索引

A

ADP 4.5.2
ALGO_EXTENSIBLE_LANG 4.8.6.1
アルゴリズム 4.1, 4.3
- メタデータの登録 4.8.6.8
- パラレル実行 8.1.2
- 例で使用 A.1
ALL_MINING_MODEL_ATTRIBUTES 2.2
ALL_MINING_MODEL_PARTITIONS 2.2
ALL_MINING_MODEL_SETTINGS 2.2, 4.8.5
ALL_MINING_MODEL_VIEWS 2.2
ALL_MINING_MODEL_XFORMS 2.2
ALL_MINING_MODELS 2.2
異常検出 2.1, 3.1.4, 4.2, 4.3, 5.7
APPLY 5.1
APPROX_COUNT 2.5
APPROX_RANK 2.5
APPROX_SUM 2.5
Apriori 3.4, 4.2, 4.3, 4.4.3
- 例: 集計の計算 3.5.1
相関ルール 4.2, 4.3
- モデル・ディテール・ビュー 4.9.1
属性評価 2.1, 4.2, 4.3
属性 3.1.1, 3.2, 6.3
- 質的 3.2.3, 6.1
- データ属性 3.2.1
- データ・ディクショナリ 2.2
- モデル属性 3.2.1, 3.2.3
- ネスト 3.1.1
- 量的 3.2.3, 6.1
- サブ名 3.2.5
- ターゲット 3.2.2
- テキスト 3.2.3
- 非構造化テキスト 6.2
属性指定 4.5.3, 6.5
AUDIT 8.4.2, 8.5.2
自動データ準備 1.1, 3.1.4, 4.4

B

ビニング 4.4.1
- 等幅 4.5.4.1
- 分位 4.5.4.1
- 教師あり 4.4.1, 4.5.4.1
- 上位N個の最頻出 4.5.4.1
作成データ 3.1.3

C

ケースID 3.1, 3.1.1, 3.2.4, 5.7
ケース表 3.1, 3.8
質的属性 6.1
分類 2.1, 3.1.3, 3.1.4, 3.2.2, 4.2, 4.3
クラスの重み 4.8.3
クリッピング 4.5.4.3
CLUSTER_DETAILS 1.4, 2.4
CLUSTER_DISTANCE 2.4
CLUSTER_ID 1.4, 2.4
CLUSTER_PROBABILITY 2.4
CLUSTER_SET 1.4, 2.4
クラスタリング 1.4, 2.1, 3.1.4, 4.3
COMMENT 8.4.2
CORR 2.5
CORR_K 2.5
CORR_S 2.5
コスト・マトリックス 4.8.1, 5.6, 8.4.3
コスト重視の予測 5.6
COVAR_POP 2.5
COVAR_SAMP 2.5
CUR行列分解 4.2, 4.3, 4.4.3

D

データ
- 質的 3.2.3
- ディメンション 3.3.2
- 例 A.3
- マーケット・バスケット 3.4
- 欠損値 3.6
- 複数レコード・ケース 3.3.2
- ネスト 3.1.1
- 量的 3.2.3
- READアクセス 8.4.1.1
- SELECTアクセス 8.4.1.1
- 単一レコード・ケース 3.1
- スパース 3.6
- トランザクション 3.4
- 非構造化テキスト 3.2.3
Database Upgrade Assistant 8.2.2.1
データ準備
- モデル・ビュー
  - テキストの特徴 4.9.27
データ型 3.1.1, 3.8.1
- ネスト 3.3
DBMS_DATA_MINING 2.3, 2.3.1, 4.2
DBMS_DATA_MINING_TRANSFORM 2.3, 2.3.2
DBMS_PREDICTIVE_ANALYTICS 1.3, 2.3, 2.3.3
デシジョン・ツリー 4.2, 4.3, 4.4.3, 5.4
ディレクトリ・オブジェクト 8.3.4
DM$VA 4.9.8, 4.9.11, 4.9.12, 4.9.16, 4.9.18, 4.9.22
DM$VB 4.9.10, 4.9.16, 4.9.18, 4.9.22
DM$VC 4.9.7, 4.9.9, 4.9.10, 4.9.11, 4.9.12, 4.9.14
DM$VD 4.9.8, 4.9.16, 4.9.18
DM$VE 4.9.20
DM$VF 4.9.16
DM$VG 4.9.7, 4.9.8, 4.9.9, 4.9.10, 4.9.11, 4.9.12, 4.9.14, 4.9.16, 4.9.18, 4.9.20, 4.9.22, 4.9.26
DM$VH 4.9.16, 4.9.18
DM$VI 4.9.7, 4.9.14, 4.9.16, 4.9.20
DM$VM 4.9.7, 4.9.16
DM$VN 4.9.8, 4.9.9, 4.9.11, 4.9.16, 4.9.20
DM$VO 4.9.7, 4.9.16
DM$VP 4.9.7, 4.9.10, 4.9.16, 4.9.26
DM$VR 4.9.16, 4.9.18, 4.9.26
DM$VS 4.9.7, 4.9.8, 4.9.9, 4.9.10, 4.9.11, 4.9.12, 4.9.14, 4.9.16, 4.9.18, 4.9.20, 4.9.22
DM$VT 4.9.7, 4.9.9, 4.9.10, 4.9.11, 4.9.12, 4.9.14, 4.9.26
DM$VV 4.9.10
DM$VW 4.9.7, 4.9.8, 4.9.9, 4.9.10, 4.9.11, 4.9.12, 4.9.14, 4.9.16, 4.9.18, 4.9.20, 4.9.22
ダウングレード 8.2.4
DROP_ONNX_MODEL 7.1.5

E

例A
- 使用されるデータ A.3
- ファイル名 A.1
- インストール A.2
- Oracle Databaseの例 A.2
- 要件 A.2
- サンプル・スキーマ A.2
期待値の最大化 4.4.3
EXPLAIN 2.3.3
明示的セマンティック分析 4.2, 4.3
指数平滑法 4.2, 4.3
エクスポートおよびインポート
- シリアライズされたモデル 8.3.6
エクスポート 8.2.2.2, 8.2.2.2.1, 8.3

F

FEATURE_COMPARE 2.4
- ESA 1.5
FEATURE_DETAILS 2.4
FEATURE_ID 2.4
FEATURE_SET 2.4
FEATURE_VALUE 2.4
特徴抽出 2.1, 3.1.4, 4.2, 4.3

G

一般化線形モデル 4.4.3
GLM 4.3
グラフィカル・ユーザー・インタフェース 1.1

I

IMPORT_ONNX_MODEL 7.1.5
インポート 8.2.2.2, 8.2.2.2.1, 8.3
インストール
- Oracle Database 8.1.1
インストール
- OML4SQLの例 A.2
- Oracle Database A.2
- Oracle Databaseの例 A.2
- サンプル・スキーマ A.2

K

k-Means 4.2, 4.3, 4.4.3

L

LAG 2.5
LEAD 2.5
線形回帰 2.4, 4.2
LOAD_ONNX_MODEL 7.1.5
ロジスティック回帰 2.4, 4.2

M

機械学習
- データベース・チューニング 8.1.2
- 例A
- 権限 8.1.1, 8.4.1
- スコアリング 4.2, 5
SQL用の機械学習
- 権限 A.2
SQLモデルの機械学習
- コメントの追加 8.5, 8.5.1
- 監査 8.5.2
- オブジェクト権限 8.4.3
機械学習機能 4.1, 4.2
- 教師あり 4.2
- 教師なし 4.2
- 例で使用 A.1
機械学習モデル
- 監査 8.5.2
SQL用の機械学習モデル
- コメントの追加 2.1
- 適用 8.4.3
- 監査 2.1
- 名前の変更 8.4.3
- データ・ディクショナリ 2.2
- 権限 2.1
- アップグレード 8.2.2
- モデルの詳細の表示 8.4.3
機械学習手法 2.1
マーケット・バスケット・データ 3.4
MDL 4.4.3
メモリー 8.1.2
最小記述長 4.3, 4.4.3
欠損値の処理 3.6.2
モデル属性
- 質的 3.2.3
- ネストした列からの導出 3.2.5
- 量的 3.2.3
- 名前の詳細 3.2.5
- テキスト 3.2.3
モデルの詳細 3.2.6
モデル・ディテール・ビュー 4.9
- 相関ルール 4.9.1
- クラスタリングのアルゴリズム 4.9.15
- CUR行列分解 4.9.6
- デシジョン・ツリー 4.9.7
- EM 4.9.16
- ESM 4.9.26
- 明示的セマンティック分析 4.9.19
- 指数平滑法 4.9.26
- ビニング 4.9.23
- 分類アルゴリズム 4.9.5
- 高頻度項目セット 4.9.2
- グローバル情報 4.9.24
- 正規化および欠損値の処理 4.9.25
- トランザクショナル項目セット 4.9.3
- トランザクショナル・ルールおよび項目セット 4.9.4
- GLM 4.9.8
- k-Means 4.9.17
- 最小記述長 4.9.22
- MSET-SPRT 4.9.9
- Naive Bayes 4.9.10
- ニューラル・ネットワーク 4.9.11
- Non-Negative Matrix Factorization 4.9.20
- O-Cluster 4.9.18
- ランダム・フォレスト 4.9.12
- SVD 4.9.21
- SVM 4.9.13
- XGBoost 4.9.14
ランダム・フォレストのモデル・ディテール・ビュー 4.9.12
モデル
- アルゴリズム 4.3
- デプロイ 5.1
- パーティション 2.2
- 権限 8.4.1.1
- 設定 2.2, 4.8.5
- テスト 3.1.3
- トレーニング 3.1.3
- 透過性 1.1
- XFORMS 2.2
モデルのシグネチャ 3.2.4
MSET-SPRT 4.3
多変量状態推定手法 - 順次確率比率テスト 4.2, 4.4.3

N

Naive Bayes 4.2, 4.3, 4.4.3
ネストしたデータ 3.3, 6.3
ニューラル・ネットワーク 4.2, 4.3, 4.4.3
NMF 4.3
Non-negative Matrix Factorization 4.4.3
Non-Negative Matrix Factorization 4.2
正規化 4.4.2
- min-max 4.5.4.2
- スケール 4.5.4.2
- Z-スコア 4.5.4.2
量的属性 6.1

O

オブジェクト権限 8.4.3
O-Cluster 3.3, 4.2, 4.3, 4.4.3
OML4SQL
- アプリケーション 1.1
- 例A
1クラスSVM 4.2
ORA_DM_PARTITION_NAME ORA 2.4
Oracle Data Miner 1.1, 8.2.1
Oracle Data Pump 8.3
Oracle機械学習API 2.3.1
Oracle Machine Learning for SQLの関数 2.4, 2.5
Oracle Text 6.2
外れ値 4.5.4.3, 4.5.4.4

P

パラレル実行 5.1, 8.1.2
パーティション化モデル 4.8.4
- パーティションの追加 4.8.4.2.2
- 構築 4.8.4.1
- DDL実装 4.8.4.2
- モデルの削除 4.8.4.2.1
- パーティションの削除 4.8.4.2.1
- スコアリング 4.8.4.3
パーティション
- データ・ディクショナリ 2.2
PGA 8.1.2
PL/SQLパッケージ2.3
PMML 8.3.7
PREDICTION 1.2, 1.3, 2.4, 5.5
PREDICTION_BOUNDS 2.4
PREDICTION_COST 2.4
PREDICTION_DETAILS 2.4, 5.5
PREDICTION_PROBABILITY 1.3, 2.4, 5.4
PREDICTION_SET 2.4
PREDICTION関数
- GROUPINGヒント 5.3.4
予測分析 1.1, 1.3, 2.1, 2.3.3
データの準備
- 小売分析データの集計の使用 3.5
事前確率 4.8.2
事前確率表 4.8.2
権限 8.4.1
- 機械学習モデルの作成 8.2.3
- 機械学習 8.1.1
- OML4SQLの例 A.2
- 機械学習に必須 8.4.1.1

R

RALG_BUILD_FUNCTION 4.8.6.2
RALG_BUILD_PARAMETER 4.8.6.2.1
RALG_DETAILS_FORMAT 4.8.6.4
RALG_DETAILS_FUNCTION 4.8.6.3
RALG_SCORE_FUNCTION 4.8.6.5
RALG_WEIGHT_FUNCTION 4.8.6.6
ランダム・フォレスト 4.2, 4.3, 4.4.3, 4.9.12
REGISTER_ALGORITHMプロシージャ 4.8.6.8
回帰 2.1, 3.1.3, 3.1.4, 3.2.2, 4.2, 4.3
逆変換 3.2.6
R拡張可能言語 4.3
R機械学習モデル
- 設定 4.8.6

S

スコアリング 1.1, 2.1, 5, 8.1.2, 8.4.3
- データ 3.1.3
- 動的 1.3, 2.1, 5.5
- パラレル実行 5.1
- 権限 8.4.2
- 要件 3.1.4
- SQL関数 2.4, 2.5
- 透過性 1.1
設定
- データ・ディクショナリ 2.2
- 表の指定 4.1
SGA 8.1.2
特異値分解 4.4.3
スパース・データ 3.6
SQL AUDIT 2.1, 8.5.2
SQL COMMENT 2.1, 8.5.1
SQL Developer 1.1
SQLスコアリング関数 2.4
STACK 2.3.2.1, 4.5.1.2
静的ディクショナリ・ビュー
- ALL_MINING_MODEL_VIEWS 2.2.5
STATS_BINOMIAL_TEST 2.5
STATS_CROSSTAB 2.5
STATS_F_TEST 2.5
STATS_KS_TEST 2.5
STATS_MODE 2.5
STATS_MW_TEST 2.5
STATS_ONE_WAY_ANOVA 2.5
STATS_T_TEST_* 2.5
STATS_T_TEST_INDEP 2.5
STATS_T_TEST_INDEPU 2.5
STATS_T_TEST_ONE2.5
STATS_T_TEST_PAIRED2.5
STATS_WSR_TEST 2.5
STDDEV 2.5
STDDEV_POP 2.5
STDDEV_SAMP 2.5
SUM 2.5
サポート・ベクター・マシン 4.2, 4.3, 4.4.3
SVD 4.3
システム権限 8.4.2, A.2

T

ターゲット 3.2.2, 3.2.3, 3.2.4, 6.3
テスト・データ 3.1.3, 4.1
テキスト
- 操作 2.3.2.1, 6
テキスト属性 6.3, 6.5
テキスト・ポリシー 6.4
テキスト用語 6.2
時系列 4.2, 4.3
トレーニング・データ 4.1
トランザクショナル・データ 3.1, 3.3.2, 3.4
変換 2.3.2, 3.1.4, 3.2.1, 3.2.6, 4.1
- 属性固有 2.3.2, 2.3.2.1
- 埋込み 2.3.2, 2.3.2.1, 3.1.4
- ユーザー指定 3.1.4
透過性 3.2.6
切捨て 4.5.4.4

U

アップグレード 8.2.2
- エクスポートとインポート 8.2.2.2, 8.2.2.2.1
- アップグレード前のステップ 8.2.1
- Database Upgrade Assistantの使用 8.2.2.1
ユーザー 8.1.1, A.2
- 機械学習の権限の割当 8.4.1.1
- 作成 8.4.1
- 機械学習の権限 8.4.1
- SQL用の機械学習の権限 8.2.3

V

VECTOR_EMBEDDING 2.4

W

重み 4.8.3
機械学習SQL APIパッケージ 2.3.1
機械学習SQL API 2.3.2, 2.3.3
ウィンザライズ 4.5.4.4

X

XFORM 2.3.2.1
XFORMS
- データ・ディクショナリ 2.2
XGBoost 4.2, 4.3
- モデル・ディテール・ビュー 4.9.14
XG Boost 4.4.3