機械翻訳について

3.1 分類ユース・ケース

小売店には、顧客の行動と購入に関する情報があります。 現在、利用可能なデータを使用して、アフィニティ・カード・ロイヤルティ・プログラムへの肯定的な応答者になる可能性が最も高い顧客のタイプを分析および識別する必要があります。 高アフィニティ・カード・レスポンダは、ロイヤルティ・カードまたはアフィニティ・カード(ハイパー・レスポンダ)が与えられたとき、つまりアフィニティ・カード・プログラムの提供する割引よりも購入が増加する顧客として定義されます。 データ・セットでは、応答者は値1、非応答者は値0で指定されます。 このユース・ケースでは、Support Vector Machineモデルを使用してそのような顧客を識別する方法を説明します。

関連コンテンツ

トピック リンク
OML4R GitHubの例 分類サポート・ベクター・マシン(SVM)
サポート・ベクター・マシン(SVM)について 分類サポート・ベクター・マシン(SVM)
共有設定 共有設定

OML4Rユース・ケース・ジャーニを開始する前に、次のものがあることを確認してください:

  • データ・セット

    このユースケースに使用されるデータ・セットは、SHスキーマからのものです。 SHスキーマは、Oracle Autonomous Databaseで簡単にアクセスできます。 オンプレミス・データベースの場合、スキーマはインストール時にインストールされるか、スクリプトをダウンロードして手動でインストールできます。

  • データベース
    次のオプションからデータベースを選択または作成します:
  • 機械学習ツール
    データベースの選択内容に応じて、次のいずれかを実行します。
    • Oracle Autonomous Database用のOML Notebooksを使用します。
    • オンプレミス・データベースまたはDBCSに接続されたOracle SQL Developerをインストールして使用します。 SQL Developerのインストールおよび起動を参照してください。
  • その他の要件

    データ・マイニング権限(ADWに対して自動的に設定されます)。 Oracle Machine Learning for SQLのためのシステム権限を参照してください。