データ要件

35.1 データ要件

Oracle Machine Learningのデータの保存方法と表示方法について説明します。

機械学習の操作には、1つの表またはビュー内で定義されたデータが必要です。各レコードの情報は別個の行に格納する必要があります。このデータ・レコードは一般的にケースと呼ばれます。各ケースは、必要に応じて一意のケースIDで識別されます。表またはビュー自体は、ケース表と呼ばれます。

機械学習に使用できる表の一例として、SHスキーマのCUSTOMERS表が挙げられます。各顧客のすべての情報は、1つの行に格納されています。CUST_ID列にケースIDが格納されます。次の例に示されている行は、SH.CUSTOMERSから選択されています。

ノート:

Oracle Machine Learningには、すべての種類のモデルに単一レコード・ケースのデータが必要です。ただし、ネイティブ・トランザクショナル・データで構築できる相関モデルを除きます。

例35-1 ケース表の例

SQL> select cust_id, cust_gender, cust_year_of_birth, 
           cust_main_phone_number from sh.customers where cust_id < 11;

出力内容は次のようになります。


CUST_ID CUST_GENDER CUST_YEAR_OF_BIRTH CUST_MAIN_PHONE_NUMBER
------- ----------- ---- ------------- -------------------------
1        M               1946          127-379-8954
2        F               1957          680-327-1419
3        M               1939          115-509-3391
4        M               1934          577-104-2792
5        M               1969          563-667-7731
6        F               1925          682-732-7260
7        F               1986          648-272-6181
8        F               1964          234-693-8728
9        F               1936          697-702-2618
10       F               1947          601-207-4099

関連トピック

マーケット・バスケット・データの使用

35.1.1 列のデータ型

ケース表の列データの様々なタイプについて理解します。

ケース表の列には、各ケースを説明する属性が含まれます。例35-1では、それらの属性はCUST_GENDER、CUST_YEAR_OF_BIRTHおよびCUST_MAIN_PHONE_NUMBERです。属性は、教師ありモデルの予測子または教師なしモデルの記述子です。ケースIDのCUST_IDは、特別な属性として表示できます(これは予測子または記述子ではありません)。

OML4SQLは、DATE、TIMESTAMP、RAWおよびLONGを除く標準のOracleデータ型をサポートしています。Oracle Machine Learningでは、case_idで日付型(datetime、date、timestamp)がサポートされるほか、テキスト列として解釈されるCLOB/BLOB/FILEおよび次のコレクション型がサポートされます:

DM_NESTED_CATEGORICALS
DM_NESTED_NUMERICALS
DM_NESTED_BINARY_DOUBLES
DM_NESTED_BINARY_FLOATS

ノート:

データ型がBOOLEANの属性は、次の値を持つ数値として処理されます。TRUEは1、FALSEは0、NULLは不明な値として解釈されます。CASE_ID_COLUMN_NAME属性では、BOOLEANデータ型はサポートされません。

関連トピック

35.1.2 分類および回帰用のデータ・セット

モデルのトレーニングおよびテストに対するデータセットの使用方法について理解します。

分類モデルと回帰モデルを作成して検証するには、2つのケース表が必要になります。1つの行セットはモデルのトレーニング用、もう1つの行セットはモデルのテスト用に使用されます。作成データおよびテスト・データは多くの場合、同じデータ・セットから導出すると便利です。たとえば、モデルのトレーニング用に行の60%をランダムに選択し、残りの40%をモデルのテストに使用できます。

その他の機械学習ファンクションを実装するモデル(属性重要度、クラスタリング、相関または特徴抽出)では、別個のテスト・データは使用しません。

35.1.3 スコアリング要件

Oracle Machine Learning for SQLでのスコアリングの実行方法を学習します。

ほとんどの機械学習のモデルは、スコアリングというプロセスで別個のデータに適用できます。Oracle Machine Learning for SQLは、分類、回帰、異常検出、クラスタリングおよび特徴抽出のスコアリング操作をサポートします。

スコアリング・プロセスでは、スコアリング・データ内の列名と、モデルの作成に使用された列の名前とがマッチングされます。スコアリング・プロセスでは、スコアリング・データ内にすべての列が存在している必要はありません。データ型が一致しない場合、OML4SQLでは型の強制が試行されます。たとえば、PRODUCT_RATINGという列がトレーニング・データ内ではVARCHAR2型であり、スコアリング・データ内ではNUMBER型である場合、OML4SQLは実質的にTO_CHAR()関数を適用することで型を変換します。

テスト・データまたはスコアリング・データ内の列には、作成データ内の対応する列と同じ変換を行う必要があります。たとえば、作成データ内のAGE列が数値から値CHILD、ADULTおよびSENIORに変換された場合、スコアリング・データ内のAGE列にも同じ変換を実行して、モデルが適切に評価できるようにする必要があります。

ノート:

OML4SQLでは、ユーザー指定の変換指示をモデルに埋め込んで、その指示をモデルの適用時に再適用できます。変換指示がモデルに組み込まれているときは、テスト・データセットまたはスコアリング・データセットに対してその変換指示を指定する必要はありません。

OML4SQLは、自動データ準備(ADP)もサポートしています。ADPを有効にすると、アルゴリズムで必要とされる変換が自動的に実行され、ユーザーが指定した変換とともにモデル内に組み込まれます。