8 インデータベース機械学習アルゴリズムへのアクセスを提供するOML4Pyクラス

OML4Pyには、データベース内Oracle Machine Learningアルゴリズムへのアクセスを提供するクラスが用意されています。

次の各トピックでこれらのクラスについて説明します。

• 機械学習のクラスとアルゴリズムについて
  次に示すクラスは、データベース内機械学習アルゴリズムへのアクセスを提供します。
• モデルの設定について
  モデルの特性に影響する設定を指定できます。
• 共有設定
  次に示す設定は、すべてのOML4Py機械学習クラスに共通です。
• Oracle Machine Learning for Pythonモデルのエクスポート
  Pythonからomlモデルをエクスポートし、SQLでスコアリングできます。
• 自動データ準備
  Oracle Machine Learning for Pythonでは、自動データ準備(ADP)とユーザーが指示する一般的なデータ準備がサポートされます。
• モデルの説明可能性
  OML4Pyの説明可能性モジュールを使用して、トレーニングしたモデルの予測に影響する重要な特徴を識別します。
• 属性評価
  oml.aiクラスは相対的な属性評価を計算して、分類または回帰ターゲットの予測における重要度に従って属性をランク付けします。
• 相関ルール
  oml.arクラスは、Aprioriアルゴリズムを実装することで、高頻度項目セットおよび相関ルールを検索します。これらはすべて、相関モデル・オブジェクトの一部です。
• デシジョン・ツリー
  oml.dtクラスは、分類にデシジョン・ツリー・アルゴリズムを使用します。
• 期待値の最大化
  oml.emクラスは、期待値の最大化(EM)アルゴリズムを使用してクラスタリング・モデルを作成します。
• 明示的セマンティック分析
  oml.esaクラスは、ドキュメントのコーパスからテキストベースの特徴を抽出し、ドキュメントの類似度比較を実行します。
• 一般化線形モデル
  oml.glmクラスは、一般化線形モデル(GLM)モデルを構築します。
• k-Means
  oml.kmクラスはk-Means (KM)アルゴリズムを使用します。これは、指定した数のクラスタにデータをパーティション化する、距離ベースの階層クラスタリング・アルゴリズムです。
• Naive Bayes
  oml.nbクラスは、分類用のNaive Bayes (NB)モデルを作成します。
• ニューラル・ネットワーク
  oml.nnクラスは、分類および回帰用のニューラル・ネットワーク(NN)モデルを作成します。
• ランダム・フォレスト
  oml.rfクラスは、分類のためのアンサンブル学習手法を提供するランダム・フォレスト(RF)モデルを作成します。
• 特異値分解
  oml.svdクラスを使用して、特徴抽出用のモデルを構築します。
• サポート・ベクター・マシン
  oml.svmクラスは、分類、回帰または異常検出用のサポート・ベクター・マシン(SVM)モデルを作成します。