モデル・ディテール・ビュー
モデル・ディテール・ビューはアルゴリズムに固有です。モデル・ディテール・ビューを表示すると、作成したモデルに関する追加情報が表示されます。モデル・ディテール・ビューの名前はDM$で始まります。グローバル名/値ペア・ビュー(DM$VG
model_name)、計算済設定ビュー(DM$VS
model_name)、モデル構築アラート・ビュー(DM$VW
model_name)および正規化および欠損値の処理ビュー(DM$VN
model_name)などの一部のモデル・ビューは、すべてのアルゴリズムで共有され、個別に文書化されています。それとは別に、分類、クラスタリングおよび回帰のアルゴリズムでは、共通のビューがいくつか共有されています。これらのビューによって返される列は、アルゴリズムによって異なることがあります。
モデル・ビューをモデル機能ごとにグループ化して次に示します。
相関:
分類、回帰、異常検出:
クラスタリング:
特徴抽出:
特徴選択:
データの準備およびその他:
時系列:
相関ルールのモデル・ディテール・ビュー
モデル・ディテール・ビューDM$VR
model_nameには、相関モデルに対して生成されたルールが含まれています。
モデル・ビュー | 説明 |
---|---|
DM$VAmodel_name |
トランザクショナル・データの相関ルール |
DM$VG model_name |
グローバル名/値ペア |
DM$VI model_name:
|
相関ルール項目セット |
DM$VR model_name |
相関ルール |
DM$VS model_name |
計算済設定 |
DM$VT model_name |
トランザクショナル・データの相関ルール項目セット |
DM$VW model_name |
モデル構築アラート |
DM$VR
model_name)の列セットは異なります。設定ODMS_ITEM_ID_COLUMN_NAME
とODMS_ITEM_VALUE_COLUMN_NAME
によって、各項目の定義方法が決まります。ODMS_ITEM_ID_COLUMN_NAME
が設定されている場合、入力形式はトランザクショナル入力と呼ばれます。それ以外の場合、入力形式は2次元入力と呼ばれます。トランザクショナル入力では、ODMS_ITEM_VALUE_COLUMN_NAME
が設定されていない場合、各項目はITEM_NAME
で定義されます。それ以外の場合、各項目はITEM_NAME
とITEM_VALUE
で定義されます。2次元入力では、各項目はITEM_NAME
、ITEM_SUBNAME
およびITEM_VALUE
で定義されます。設定ASSO_AGGREGATES
では、集計する列を指定します。この集計がビューに表示されます。
ノート:
設定ASSO_AGGREGATES
は、2次元入力には使用できません。
ASSO_AGGREGATES設定のないトランザクショナル入力
ITEM_NAME
(ODMS_ITEM_ID_COLUMN_NAME
)の設定時にITEM_VALUE
(ODMS_ITEM_VALUE_COLUMN_NAME
)を設定しない場合、このビューには次の列が含まれています。後件項目が名前フィールドのみで定義されています。ITEM_VALUE
も設定した場合、このビューには、値フィールドを指定する追加の列CONSEQUENT_VALUE
が含まれています。Name Type
----------------------------------------- ----------------------------
PARTITION_NAME VARCHAR2(128)
RULE_ID NUMBER
RULE_SUPPORT NUMBER
RULE_CONFIDENCE NUMBER
RULE_LIFT NUMBER
RULE_REVCONFIDENCE NUMBER
ANTECEDENT_SUPPORT NUMBER
NUMBER_OF_ITEMS NUMBER
CONSEQUENT_SUPPORT NUMBER
CONSEQUENT_NAME VARCHAR2(4000)
ANTECEDENT SYS.XMLTYPE
表6-183 トランザクション入力のルール・ビュー列
列名 | 説明 |
---|---|
|
詳細を取得するパーティション化されたモデルのパーティション |
|
ルールの識別子。 |
|
ルールを満たすトランザクションの数。 |
|
トランザクションがルールを満たす確度。 |
|
ルールが満たされた場合に、ランダムな可能性を上回る予測の改善の程度。 |
|
ルールが発生するトランザクションの数を後件が発生するトランザクションの数で割ったもの。 |
|
トランザクションの合計数に対する、前件を満たすトランザクションの数の割合。 |
|
ルールの前件と後件で参照される属性の合計数。 |
|
トランザクションの合計数に対する、後件を満たすトランザクションの数の割合。 |
|
後件の名前。 |
|
後件の値。この列は、 |
|
前件は、項目セットとして記述されます。項目セット・レベルで、集計数が指定されます。ゼロ(0)以外の場合は、集計対象の列名(および
|
ASSO_AGGREGATES設定があるトランザクショナル入力
-
ODMS_ITEM_ID_COLUMN_NAME
が設定されていて、Item_value
(ODMS_ITEM_VALUE_COLUMN_NAME
)が設定されていない場合のルール・ビュー。 -
ODMS_ITEM_ID_COLUMN_NAME
が設定されていて、Item_value
(ODMS_ITEM_VALUE_COLUMN_NAME
)が量的のTYPE
で設定されている場合のルール・ビュー。ビューには、CONSEQUENT_VALUE
列があります。 -
ODMS_ITEM_ID_COLUMN_NAME
が設定されていて、Item_value
(ODMS_ITEM_VALUE_COLUMN_NAME
)が質的のTYPE
で設定されている場合のルール・ビュー。ビューには、CONSEQUENT_VALUE
列があります。
次の例を生成する例については、『Oracle Machine Learning for SQL概要』の例: 集計の計算に関する項を参照してください。
ビューでは、2セットの集計結果がレポートされます。
-
ANT_RULE_PROFIT
は、ルールに関する前件項目セットの利益合計を表します。前件項目セットの項目ごとの利益はANTECEDENT(XMLtype)
列に示されます。CON_RULE_PROFIT
は、ルールに関する結果項目の利益合計を指します。この例では、ルール(A, B) => Cの場合、ルール項目セット(A, B, C)は顧客1と顧客3のトランザクションで発生します。
ANT_RULE_PROFIT
は$21.20です。ANTECEDENT
は次のように示され、項目Aの利益が5.00 + 3.00 = $8.00で、項目Bの利益が3.20 + 10.00 = $13.20であることがわかります。これらの利益がANT_RULE_PROFIT
に合計されています。<itemset NUMAGGR="1" ASSO_AGG0="profit"><item><item_name>A</item_name><ASSO_AGG0>8.0E+000</ASSO_AGG0></item><item><item_name>B</item_name><ASSO_AGG0>1.32E+001</ASSO_AGG0></item></itemset> The CON_RULE_PROFIT is 12.00 + 14.00 = $26.00
-
ANT_PROFIT
は前件項目セットの利益合計を表し、CON_PROFIT
は後件項目の利益合計を表します。CON_PROFIT
とCON_RULE_PROFIT
の相違点は、CON_PROFIT
は後件が発生するすべてのトランザクションの後件項目の収益をすべて合計しますが、CON_RULE_PROFIT
ではルール項目セットが発生するトランザクションのみを合計することです(ANT_PROFIT
とANT_RULE_PROFIT
の場合も同様です)。たとえば、項目Cは顧客1、2、3のトランザクションで発生し、
CON_PROFIT
は12.00 + 4.20 + 14.00 = $30.20になります。その一方で、CON_RULE_PROFIT
はルール項目セット(A, B, C)が発生する顧客1と3のトランザクションのみの合計になります。同様に、
ANT_PROFIT
では項目セット(A, B)が発生するすべてのトランザクションが合計され、ANT_RULE_PROFIT
ではルール項目セット(A, B, C)が発生するトランザクションのみが合計されます。この例では、偶然にも、どちらも顧客1と3のトランザクションを合計していて、同じ値になっています。
例6-16 例
次の例は、設定ASSO_AGGREGATES
で集計対象として利益列と売上列を指定している場合のビューを示しています。この例では、ITEM_VALUE
列は指定されていません。
Name Type
----------------------------------------- ----------------------------
PARTITION_NAME VARCHAR2(128)
RULE_ID NUMBER
RULE_SUPPORT NUMBER
RULE_CONFIDENCE NUMBER
RULE_LIFT NUMBER
RULE_REVCONFIDENCE NUMBER
ANTECEDENT_SUPPORT NUMBER
NUMBER_OF_ITEMS NUMBER
CONSEQUENT_SUPPORT NUMBER
CONSEQUENT_NAME VARCHAR2(4000)
ANTECEDENT SYS.XMLTYPE
ANT_RULE_PROFIT BINARY_DOUBLE
CON_RULE_PROFIT BINARY_DOUBLE
ANT_PROFIT BINARY_DOUBLE
CON_PROFIT BINARY_DOUBLE
ANT_RULE_SALES BINARY_DOUBLE
CON_RULE_SALES BINARY_DOUBLE
ANT_SALES BINARY_DOUBLE
CON_SALES BINARY_DOUBLE
ODMS_ITEM_ID_COLUMN_NAME
が設定されていて、TYPE
が量的または質的としてItem_value
(ODMS_ITEM_VALUE_COLUMN_NAME
)が設定されている場合、このルール・ビューにはCONSEQUENT_VALUE
列があります。
2次元入力
Oracle Machine Learning for SQLでは、トランザクショナルまたは2次元のデータ形式を使用して相関モデルを作成できます。2次元入力の場合、各項目は3つのフィールドNAME
、VALUE
およびSUBNAME
で定義されます。NAME
フィールドは列の名前です。VALUE
フィールドは列の内容です。SUBNAME
フィールドは、入力データ表にネストされた表が含まれる場合に使用します。この場合、SUBNAME
はネストされた表の列名になります。「例: マーケット・バスケット分析用のネストした列の作成」を参照してください。この例では、ネストした列があります。CONSEQUENT_SUBNAME
は、ネストした列のATTRIBUTE_NAME
部分です。つまり、'O/S Documentation Set - English'
およびCONSEQUENT_VALUE
は、ネストした列の値部分であり、1です。
ビューでは、後件用に3列が使用されます。ルール・ビューには次の列があります。
Name Type
----------------------- ---------------------
PARTITION_NAME VARCHAR2(128)
RULE_ID NUMBER
RULE_SUPPORT NUMBER
RULE_CONFIDENCE NUMBER
RULE_LIFT NUMBER
RULE_REVCONFIDENCE NUMBER
ANTECEDENT_SUPPORT NUMBER
NUMBER_OF_ITEMS NUMBER
CONSEQUENT_SUPPORT NUMBER
CONSEQUENT_NAME VARCHAR2(4000)
CONSEQUENT_SUBNAME VARCHAR2(4000)
CONSEQUENT_VALUE VARCHAR2(4000)
ANTECEDENT SYS.XMLTYPE
ノート:
後件の3つの列の型は、すべてVARCHAR2
です。ASSO_AGGREGATES
は、2次元入力形式には適用できません。
次の表に、2次元入力のルール・ビュー列とその説明を示します(2次元入力に固有のフィールドのみ)。
表6-184 2次元入力のルール・ビュー
列名 | 説明 |
---|---|
CONSEQUENT_SUBNAME |
2次元の入力の場合、 |
|
後件の値( |
|
前件は、項目セットとして記述されます。項目セットには、 たとえば、ネストされた表入力ではなく、前件には1つの項目(名前
ネストされた表がある2次元入力の場合、サブ名フィールドが設定されます。 |
相関ルールのグローバル名/値ペア・ビュー
グローバル名/値ペア・ビューでは、1つの相関モデルに1つの列が生成されます。次の表では、相関モデルに対して返される列について説明します。
表6-185 相関モデルのグローバル名/値ペア・ビュー
名前 | 説明 |
---|---|
|
生成された項目セットの数 |
|
最大サポート |
|
構築で使用される行の合計数 |
|
モデルで生成された相関ルールの数 |
|
入力データのトランザクションの数 |
高頻度項目セットのモデル・ディテール・ビュー
モデル・ディテール・ビューDM$VI
model_nameには、高頻度項目セットに関する情報が含まれています。
相関ルール項目セット・ビュー(DM$VI
model_name)には、次の列があります。
Name Type
------------- ------------------
PARTITION_NAME VARCHAR2 (128)
ITEMSET_ID NUMBER
SUPPORT NUMBER
NUMBER_OF_ITEMS NUMBER
ITEMSET SYS.XMLTYPE
表6-186 相関ルール項目セット・ビュー
列名 | 説明 |
---|---|
|
パーティション化されたモデルのパーティション |
|
項目セット識別子 |
|
項目セットのサポート |
|
項目セット内の項目の数 |
|
高頻度項目セット
|
トランザクショナル項目セットのモデル・ディテール・ビュー
モデル・ディテール・ビューDM$VT
model_nameには、トランザクショナル項目セットに関する情報が含まれています。
集計のないトランザクショナル・データのよくあるケースとして、トランザクショナル・データの相関ルール項目セット・ビュー(DM$VT
model_name)は、トランザクショナル形式の項目セット情報を提供します。このビューは、XML列を含むビューと比較して、一部の問合せのパフォーマンスの向上に役立ちます。トランザクショナル項目セット・ビューには次の列があります。
Name Type
----------------- -----------------
PARTITION_NAME VARCHAR2(128)
ITEMSET_ID NUMBER
ITEM_ID NUMBER
SUPPORT NUMBER
NUMBER_OF_ITEMS NUMBER
ITEM_NAME VARCHAR2(4000)
表6-187 トランザクショナル・データの相関ルール項目セット・ビュー
列名 | 説明 |
---|---|
|
パーティション化されたモデルのパーティション |
|
項目セット識別子 |
|
項目識別子 |
|
項目セットのサポート |
|
項目セット内の項目の数 |
|
アイテムの名前 |
トランザクショナル・ルールのモデル・ディテール・ビュー
モデル・ディテール・ビューDM$VA
model_nameには、トランザクショナル・ルールおよびトランザクショナル項目セットに関する情報が含まれています。
集計のないトランザクショナル・データには、トランザクショナル・データの相関ルール・ビュー(DM$VA
model_name)もあります。このビューにより、XML列を含むビューと比較して、一部の問合せのパフォーマンスの向上を図れます。トランザクショナル・ルール・ビューには次の列があります。
Name Type
----------------------------------------- ----------------------------
PARTITION_NAME VARCHAR2(128)
RULE_ID NUMBER
ANTECEDENT_PREDICATE VARCHAR2(4000)
CONSEQUENT_PREDICATE VARCHAR2(4000)
RULE_SUPPORT NUMBER
RULE_CONFIDENCE NUMBER
RULE_LIFT NUMBER
RULE_REVCONFIDENCE NUMBER
RULE_ITEMSET_ID NUMBER
ANTECEDENT_SUPPORT NUMBER
CONSEQUENT_SUPPORT NUMBER
NUMBER_OF_ITEMS NUMBER
表6-188 トランザクショナル・データの相関ルール・ビュー
列名 | 説明 |
---|---|
|
パーティション化されたモデルのパーティション |
|
ルール識別子 |
|
前件項目の名前。 |
|
後件項目の名前 |
|
ルールのサポート |
|
前件が含まれる場合にトランザクションがルールを満たす確度。 |
|
ルールが満たされた場合に、ランダムな可能性を上回る予測の改善の程度 |
|
ルールが発生するトランザクションの数を後件が発生するトランザクションの数で割ったもの |
|
項目セット識別子 |
|
トランザクションの合計数に対する、前件を満たすトランザクションの数の割合 |
|
トランザクションの合計数に対する、後件を満たすトランザクションの数の割合 |
|
ルール内の項目の数 |
分類アルゴリズムのモデル・ディテール・ビュー
分類アルゴリズムのモデル・ディテール・ビューは、すべての分類アルゴリズムに適用できるターゲット・マップ・ビューおよびスコアリング・コスト・ビューです。
モデル・ビュー | 説明 |
---|---|
DM$VA model_name |
変数重要度 |
DM$VC model_name |
スコアリング・コスト・マトリックス |
DM$VG model_name |
グローバル名/値ペア |
DM$VS model_name |
計算済設定 |
DM$VT model_name
|
分類ターゲット |
DM$VW model_name:
|
モデル構築アラート |
分類ターゲット・ビュー(DM$VT
model_name)は、分類モデルに対するターゲット分布を説明しています。このビューには次の列があります。
Name Type
----------------------------------------- ----------------------------
PARTITION_NAME VARCHAR2(128)
TARGET_VALUE NUMBER/VARCHAR2
TARGET_COUNT NUMBER
TARGET_WEIGHT NUMBER
表6-189 分類ターゲット・ビュー
列名 | 説明 |
---|---|
|
パーティション化されたモデルのパーティション名 |
|
ターゲット値(量的または質的) |
|
特定の |
|
特定の |
スコアリング・コスト・マトリックス・ビュー(DM$VC
model_name)は、分類モデルに対するスコアリング・コスト・マトリックスを説明しています。このビューには次の列があります。
Name Type
----------------------------------------- --------------------------------
PARTITION_NAME VARCHAR2(128)
ACTUAL_TARGET_VALUE NUMBER/VARCHAR2
PREDICTED_TARGET_VALUE NUMBER/VARCHAR2
COST NUMBER
表6-190 スコアリング・コスト・マトリックス・ビュー
列名 | 説明 |
---|---|
|
パーティション化されたモデルのパーティション名 |
|
有効なターゲット値 |
|
予測対象ターゲット値 |
|
実際のターゲット値と予測されたターゲット値のペアに対して関連付けられたコスト |
CUR行列分解のモデル・ディテール・ビュー
CUR行列分解のモデル・ディテール・ビューには、属性と行のスコアおよびランクに関する情報が含まれています。
CUR行列分解モデルには、次のビューがあります。
属性の重要度とランク: DM$VC
model_name
行の重要度とランク: DM$VR
model_name
グローバル統計: DM$VG
属性の重要度とランク・ビューDM$VC
model_nameには次の列があります。
Name Type
----------------- -----------------
PARTITION_NAME VARCHAR2(128)
ATTRIBUTE_NAME VARCHAR2(128)
ATTRIBUTE_SUBNAME VARCHAR2(4000)
ATTRIBUTE_VALUE VARCHAR2(4000)
ATTRIBUTE_IMPORTANCE NUMBER
ATTRIBUTE_RANK NUMBER
表6-191 属性の重要度とランク・ビュー
列名 | 説明 |
---|---|
|
パーティション化されたモデルのパーティション名 |
|
属性名 |
|
属性のサブ名。この値は、ネストされていない列に対してはNULLです。 |
|
属性の値 |
|
属性レバレッジ・スコア |
|
レバレッジ・スコアに基づく属性ランク |
ビューDM$VR
model_nameでは、ビューで選択したすべての行のレバレッジ・スコアとランクが示されます。このビューは、ユーザーが行の重要度を実行することを決定していて、CASE_ID
列が存在するときに作成されます。このビューには次の列があります。
Name Type
--------------------- ------------------------
PARTITION_NAME VARCHAR2(128)
CASE_ID Original cid data types,
including NUMBER, VARCHAR2,
DATE, TIMESTAMP,
TIMESTAMP WITH TIME ZONE,
TIMESTAMP WITH LOCAL TIME ZONE
ROW_IMPORTANCE NUMBER
ROW_RANK NUMBER
表6-192 行の重要度とランク・ビュー
列名 | 説明 |
---|---|
|
パーティション化されたモデルのパーティション名 |
|
ケースID。サポートされているケースIDの型は、GLM、SVDおよびESAアルゴリズムでサポートされている型と同じです。 |
|
行のレバレッジ・スコア |
|
レバレッジ・スコアに基づいた行のランク |
表6-193 モデル・グローバル・ビューのCURマトリックス分解統計情報。
名前 | 説明 |
---|---|
|
SVD成分の数(SVDランク) |
|
モデル構築に使用される行の数 |
デシジョン・ツリーのモデル・ディテール・ビュー
デシジョン・ツリーに固有のモデル・ディテール・ビューは、階層ビュー、ノード統計ビュー、ノード説明ビューおよびコスト・マトリックス・ビューです。
デシジョン・ツリー階層ビュー(DM$VP
model_name)は、デシジョン・ツリー内の各レベルのツリー階層および分岐情報を説明しています。このビューには、次の列があります。
Name Type
---------------------------------- ---------------------------
PARTITION_NAME VARCHAR2(128)
PARENT NUMBER
SPLIT_TYPE VARCHAR2
NODE NUMBER
ATTRIBUTE_NAME VARCHAR2(128)
ATTRIBUTE_SUBNAME VARCHAR2(4000)
OPERATOR VARCHAR2
VALUE SYS.XMLTYPE
表6-194 デシジョン・ツリー階層ビュー
列名 | 説明 |
---|---|
|
パーティション化されたモデルのパーティション名 |
|
親のノードID |
|
メイン分岐またはサロゲート分岐 |
|
ノードID |
|
このノードを生成するために、親ノードで分岐基準として使用される属性。 |
|
分岐属性のサブ名。この値は、ネストされていない列に対してはNULLです。 |
|
分岐演算子 |
|
分岐基準として使用される値。これは、 たとえば、 |
デシジョン・ツリー統計ビュー(DM$VI
model_name)は、個々のツリー・ノードに関連付けられている統計を説明しています。統計には、ノード内のデータのターゲット・ヒストグラムが含まれます。このビューには、次の列があります。
Name Type
---------------------------------- ----------------------------
PARTITION_NAME VARCHAR2(128)
NODE NUMBER
NODE_SUPPORT NUMBER
PREDICTED_TARGET_VALUE NUMBER/VARCHAR2
TARGET_VALUE NUMBER/VARCHAR2
TARGET_SUPPORT NUMBER
表6-195 デシジョン・ツリー統計ビュー
パラメータ | 説明 |
---|---|
|
パーティション化されたモデルのパーティション名 |
|
ノードID |
|
ノードに属するトレーニング・セット内のレコード数 |
|
予測対象ターゲット値 |
|
トレーニング・データ内に表示されるターゲット値 |
|
ノードに属し、 |
デシジョン・ツリー・ノード(DM$VO
model_name)ビューは、上位レベルのノードを説明しています。DM$VO
model_nameには、次の列があります。
Name Type
---------------------------------- ----------------------------
PARTITION_NAME VARCHAR2(128)
NODE NUMBER
NODE_SUPPORT NUMBER
PREDICTED_TARGET_VALUE NUMBER/VARCHAR2
PARENT NUMBER
ATTRIBUTE_NAME VARCHAR2(128)
ATTRIBUTE_SUBNAME VARCHAR2(4000)
OPERATOR VARCHAR2
VALUE SYS.XMLTYPE
表6-196 デシジョン・ツリー・ノード・ビュー
パラメータ | 説明 |
---|---|
|
パーティション化されたモデルのパーティション名 |
|
ノードID |
|
ノードに属するトレーニング・セット内のレコード数 |
|
予測対象ターゲット値 |
|
親のID |
|
属性名を指定します |
|
属性サブ名を指定します |
|
属性述語演算子 - 次の値を使用する条件演算子。 IN、= 、<>、< 、>、<=、>= |
|
説明の基準として使用される値。これは、 たとえば、 |
デシジョン・ツリー構築コスト・マトリックス・ビュー(DM$VM
model_name)は、デシジョン・ツリーの構築によって使用されるコスト・マトリックスを説明しています。DM$VM
model_nameには、次の列があります。
Name Type
----------------------------------------- --------------------------------
PARTITION_NAME VARCHAR2(128)
ACTUAL_TARGET_VALUE NUMBER/VARCHAR2
PREDICTED_TARGET_VALUE NUMBER/VARCHAR2
COST NUMBER
表6-197 デシジョン・ツリー構築コスト・マトリックス・ビュー
パラメータ | 説明 |
---|---|
|
パーティション化されたモデルのパーティション名 |
|
有効なターゲット値 |
|
予測対象ターゲット値 |
|
実際のターゲット値と予測されたターゲット値のペアに対して関連付けられたコスト |
一般化線形モデルのモデル・ディテール・ビュー
一般化線形モデル(GLM)に固有のモデル・ディテール・ビューは、線形回帰モデルおよびロジスティック回帰モデルの詳細や行診断などを説明しています。
GLM回帰の属性診断ビュー(DM$VD
model_name)は、線形回帰モデルとロジスティック回帰モデルの両方の最終モデル情報を説明しています。
線形回帰の場合、DM$VD
model_nameビューには、次の列があります。
Name Type
---------------------------------- ----------------------------
PARTITION_NAME VARCHAR2(128)
ATTRIBUTE_NAME VARCHAR2(128)
ATTRIBUTE_SUBNAME VARCHAR2(4000)
ATTRIBUTE_VALUE VARCHAR2(4000)
FEATURE_EXPRESSION VARCHAR2(4000)
COEFFICIENT BINARY_DOUBLE
STD_ERROR BINARY_DOUBLE
TEST_STATISTIC BINARY_DOUBLE
P_VALUE BINARY_DOUBLE
VIF BINARY_DOUBLE
STD_COEFFICIENT BINARY_DOUBLE
LOWER_COEFF_LIMIT BINARY_DOUBLE
UPPER_COEFF_LIMIT BINARY_DOUBLE
ロジスティック回帰の場合、DM$VD
model_nameビューには、次の列があります。
Name Type
---------------------------------- ----------------------------
PARTITION_NAME VARCHAR2(128)
TARGET_VALUE NUMBER/VARCHAR2
ATTRIBUTE_NAME VARCHAR2(128)
ATTRIBUTE_SUBNAME VARCHAR2(4000)
ATTRIBUTE_VALUE VARCHAR2(4000)
FEATURE_EXPRESSION VARCHAR2(4000)
COEFFICIENT BINARY_DOUBLE
STD_ERROR BINARY_DOUBLE
TEST_STATISTIC BINARY_DOUBLE
P_VALUE BINARY_DOUBLE
STD_COEFFICIENT BINARY_DOUBLE
LOWER_COEFF_LIMIT BINARY_DOUBLE
UPPER_COEFF_LIMIT BINARY_DOUBLE
EXP_COEFFICIENT BINARY_DOUBLE
EXP_LOWER_COEFF_LIMIT BINARY_DOUBLE
EXP_UPPER_COEFF_LIMIT BINARY_DOUBLE
表6-199 線形およびロジスティック回帰モデルのモデル・ビュー
列名 | 説明 |
---|---|
|
モデル内の特徴の名前 |
|
有効なターゲット値 |
|
サブ名がない場合は属性名、サブ名がある場合は属性名の最初の部分。 |
|
ネストした列のサブ名。この値は、ネストされていない列に対してはNULLです。 ネストした列が数値の場合、機械学習属性は、 |
|
質的列またはネストした質的列とみなすことができる一意の値。質的列では、機械学習属性は、一意の |
|
特徴選択が有効な場合、アルゴリズムによって作成される特徴名です。特徴選択が有効でない場合、この特徴名は、完全修飾された属性名になります(属性がネストした列内にあるときはattribute_name.attribute_subnameになる)。質的属性では、次のような形式の特徴名が作成されます。 fully-qualified_attribute_name.attribute_value 特徴生成が有効な場合、モデル内の用語は、1つの機械学習属性または最大3つの機械学習属性の積になります。コンポーネント機械学習属性は、単一の用語内で繰り返すことができます。特徴生成が有効ではない場合、または特徴生成が有効であるが、複数のコンポーネントの用語が ノート: 12cリリース2では、アルゴリズムによって、量的コンポーネントから平均が減算されません。 |
|
推定係数。 |
|
係数推定値の標準誤差。 |
|
線形回帰の場合、係数推定値のt値。 ロジスティック回帰の場合、係数推定値のWaldカイ二乗値。 |
|
モデル内の用語が統計的に重要ではない(NULL)仮定の下の |
|
分散拡大要因。切片の場合、この値はゼロです。ロジスティック回帰の場合、 |
|
係数の標準化推定値。 |
|
係数の信頼限界値の下限。 |
|
係数の信頼限界値の上限。 |
|
ロジスティック回帰の指数係数。線形回帰の場合、 |
|
ロジスティック回帰の場合、係数の信頼限界値の下限に対する指数係数。線形回帰の場合、 |
|
ロジスティック回帰の場合、係数の信頼限界値の指数係数。線形回帰の場合、 |
GLM回帰の行診断ビューDM$VA
model_nameは、線形回帰モデルとロジスティック回帰モデルの両方の行レベル情報を説明しています。線形回帰の場合、DM$VA
model_nameビューには、次の列があります。
Name Type
---------------------------------- ----------------------------
PARTITION_NAME VARCHAR2(128)
CASE_ID NUMBER/VARHCAR2, DATE, TIMESTAMP,
TIMESTAMP WITH TIME ZONE,
TIMESTAMP WITH LOCAL TIME ZONE
TARGET_VALUE BINARY_DOUBLE
PREDICTED_TARGET_VALUE BINARY_DOUBLE
Hat BINARY_DOUBLE
RESIDUAL BINARY_DOUBLE
STD_ERR_RESIDUAL BINARY_DOUBLE
STUDENTIZED_RESIDUAL BINARY_DOUBLE
PRED_RES BINARY_DOUBLE
COOKS_D BINARY_DOUBLE
表6-200 線形回帰のGLM回帰の行診断ビュー
列名 | 説明 |
---|---|
|
パーティション化されたモデルのパーティション名 |
|
ケースIDの名前 |
|
入力行から取得される実際のターゲット値 |
|
行のモデル予測ターゲット値 |
|
ハット・マトリックスによって特定の入力行で識別されるn*n (n=行数)の対角線上の要素。入力データのモデル予測は、ハット・マトリックスと入力ターゲット値のベクターの積です。対角線上の要素(ハット値)は、i番目の適合した値上のi番目の行の影響を表します。大きいハット値は、i番目の行が影響力の大きいポイントであり、潜在的な外れ値であることを示すインジケータです。 |
|
特定の入力行の予測と実際のターゲット値間の差異。 |
|
標準残余誤差(ステューデント化残差とも呼ばれる)は、入力行の残差を比較可能にするために、残差を再スケーリングしてすべての入力行にわたる定数分散を得ます。このプロセスは、残差を行の重さの平方根で乗算し、平均平方誤差の積およびハット値から1減算した値で除算します。 |
|
スチューデント化削除残差は、現在の行の影響のために、標準残余誤差を調整します。 |
|
予測残差は、削除残差の重み付きの2乗であり、行の重みを残差の2乗で乗算し、ハット値から1を減算した値で除算して算出されます。 |
|
クックの距離は、すべての推定回帰係数上のi番目のケースの複合的影響のメジャーです。 |
ロジスティック回帰の場合、DM$VA
model_nameビューには、次の列があります。
Name Type
---------------------------------- ----------------------------
PARTITION_NAME VARCHAR2(128)
CASE_ID NUMBER/VARHCAR2, DATE, TIMESTAMP,
TIMESTAMP WITH TIME ZONE,
TIMESTAMP WITH LOCAL TIME ZONE
TARGET_VALUE NUMBER/VARCHAR2
TARGET_VALUE_PROB BINARY_DOUBLE
Hat BINARY_DOUBLE
WORKING_RESIDUAL BINARY_DOUBLE
PEARSON_RESIDUAL BINARY_DOUBLE
DEVIANCE_RESIDUAL BINARY_DOUBLE
C BINARY_DOUBLE
CBAR BINARY_DOUBLE
DIFDEV BINARY_DOUBLE
DIFCHISQ BINARY_DOUBLE
表6-201 ロジスティック回帰のGLM回帰の行診断ビュー
列名 | 説明 |
---|---|
|
パーティション化されたモデルのパーティション名 |
|
ケースIDの名前 |
|
入力行から取得される実際のターゲット値 |
|
予測ターゲット値の確率のモデル推定値。 |
|
線形回帰のハット値の概念は、線形回帰ハッチ値をロジスティック回帰の分散関数で乗算することでロジスティック回帰に拡張され、予測確率は、1から予測確率を減算した値で乗算されます。 |
|
作業残差は、作業応答の残差です。作業応答は、線形化スケール上の応答です。ロジスティック回帰の場合、i番目の行の残差がi番目の行の予測の分散で除算される形式となります。予測の分散は、予測確率を予測確率から1を減算した値で乗算し算出されます。
|
|
ピアソン残差は、重みを考慮した、作業残差の再スケーリングされたバージョンです。ロジスティック回帰の場合、ピアソン残差は、残差を、重み平方根として計算される係数で乗算し、i番目の行の予測確率の分散で除算し算出されます。
|
|
|
|
削除されたもの(i番目のポイント)を含む、すべてのポイントに対するi番目の観察の削除による、適合ロジット内の変更全体を測定します。これは、ピアソン残差の2乗をハット値で乗算し、ハット値から1減算した値の2乗で除算して算出されます。 個々の観察による影響のスカラー測定を提供する、信頼区間の置換診断。 |
|
C およびCBAR は、ロジスティック回帰のクックの距離の拡張です。CBAR は、削除されたもの(i番目のポイント)を除く、すべてのポイントに対するi番目の観察の削除による、適合ロジット内の変更全体を測定します。これは、ピアソン残差の2乗をハット値で乗算し、(ハット値から1減算した値)で除算して算出されます。
個々の観察の削除による影響を測定する、信頼区間の置換診断。 |
|
観測値が入力から削除されたときに発生する逸脱度の変化を測定する統計。逸脱度残差の2乗に |
|
観測値が入力から削除されたときに発生するピアソンのカイ二乗の変化を測定する統計。 |
GLMのグローバルな詳細: 線形回帰
次の表では、線形回帰モデルのグローバル名/値ペア(DM$VG)について説明します。
表6-202 線形回帰のグローバルな詳細
名前 | 説明 |
---|---|
|
調整済R2乗 |
|
赤池情報量基準 |
|
変動の係数 |
|
モデルの構築プロセスが指定の許容値に収束しているかどうかを示します。次は、返される値です。
|
|
修正された総自由度。 |
|
修正された総平方和。 |
|
依存平均 |
|
誤差の自由度。 |
|
誤差平均平方 |
|
誤差の平方和。 |
|
モデルのF値の統計。 |
|
予測の推定平均平方誤差。多変量正規性を想定しています。 |
|
HockingのSp統計 |
|
SGD反復数を追跡します。ソルバーがSGDの場合にのみ適用できます。 |
|
JP統計(最終予測誤差)。 |
|
モデルの自由度。 |
|
モデルのF値の確率。 |
|
平均平方誤差のモデル |
|
平方誤差の合計のモデル |
|
パラメータ数(切片を含む係数の数)。 |
|
行数 |
|
R2乗 |
|
多重共線性のためにモデルから除外された予測子の数 |
|
2乗平均平方根誤差。 |
|
Schwarzのベイズ情報量基準。 |
GLMのグローバルな詳細: ロジスティック回帰
次の表に、ロジスティック回帰モデルのグローバル名/値ペア(DM$VG)を示します。
表6-203 ロジスティック回帰のグローバルな詳細
名前 | 説明 |
---|---|
|
ベースライン、インターセプトのみのモデルに適合する赤池の規準 |
|
切片および共変量(予測子)モデルの適合度に関する赤池の基準。 |
|
モデルの構築プロセスが指定の許容値に収束しているかどうかを示します。次は、返される値です。
|
|
依存平均 |
|
SGD反復数(IRLS反復数)を追跡します。ソルバーがSGDの場合にのみ適用できます。 |
|
尤度比の自由度。 |
|
尤度比のカイ二乗値。 |
|
尤度比のカイ二乗確率値。 |
|
ベースライン、インターセプトのみのモデルの-2対数尤度 |
|
モデルの-2対数尤度。 |
|
パラメータ数(切片を含む係数の数)。 |
|
行数 |
|
正確な予測の割合。 |
|
不正確に予測された行の割合。 |
|
推定確率が両方のターゲット・クラスで等しい場合の割合 |
|
擬似R二乗(CoxおよびSnell) |
|
擬似R2乗(Nagelkerke) |
|
多重共線性のためにモデルから除外された予測子の数 |
|
ベースライン、インターセプトのみのモデルに適合するSchwarzの規準 |
|
切片および共変量(予測子)モデルの適合度に関するSchwarzの基準。 |
ノート:
-
リッジ回帰が有効な場合、戻されるグローバルな詳細がより少なくなります。リッジの詳細は、『Oracle Machine Learning for SQL概要』を参照してください。
-
パーティション化されたモデルで値が
NULL
の場合、例外がスローされます。値がNULLでない場合、目的のパーティション名が含まれる必要があります。
多変量状態推定手法 - 順次確率比率テストのモデル・ディテール・ビュー
Naive Bayesのモデル・ディテール・ビュー
Naive Bayesに固有のモデル・ディテール・ビューは、事前ビューおよび結果ビューです。
Naive Bayesターゲット事前確率ビュー(DM$VP
model_name)は、Naive Bayesモデルに対するターゲットの事前の状態を説明しています。このビューには、次の列があります。
Name Type
----------------------------------------- ----------------------------
PARTITION_NAME VARCHAR2(128)
TARGET_NAME VARCHAR2(128)
TARGET_VALUE NUMBER/VARCHAR2
PRIOR_PROBABILITY BINARY_DOUBLE
COUNT NUMBER
表6-205 Naive BayesのNaive Bayesターゲット事前確率ビュー
列名 | 説明 |
---|---|
|
モデル内の特徴の名前 |
|
ターゲット列の名前 |
|
ターゲット値(量的または質的) |
|
特定の |
|
特定の |
Naive Bayes条件付き確率ビュー(DM$VV
model_view)は、Naive Bayesモデルの条件付き確率を説明しています。このビューには、次の列があります。
Name Type
----------------------------------------- ----------------------------
PARTITION_NAME VARCHAR2(128)
TARGET_NAME VARCHAR2(128)
TARGET_VALUE NUMBER/VARCHAR2
ATTRIBUTE_NAME VARCHAR2(128)
ATTRIBUTE_SUBNAME VARCHAR2(4000)
ATTRIBUTE_VALUE VARCHAR2(4000)
CONDITIONAL_PROBABILITY BINARY_DOUBLE
COUNT NUMBER
表6-206 Naive BayesのNaive Bayes条件付き確率ビュー
列名 | 説明 |
---|---|
|
モデル内の特徴の名前 |
|
ターゲット列の名前 |
|
ターゲット値(量的または質的) |
|
列名 |
|
ネストした列のサブ名。この値は、ネストされていない列に対してはNULLです。 |
|
列 |
|
特定のターゲットの機械学習属性の条件付き確率 |
|
特定の機械学習属性および特定のターゲットの行数 |
ニューラル・ネットワークのモデル・ディテール・ビュー
ニューラル・ネットワークに固有のモデル・ディテール・ビューには、ニューロンの重み(入力層と非表示層)に関する情報が含まれています。
ニューラル・ネットワーク加重ビュー(DM$VA
model_name)には、次の列があります。
Name Type
---------------------- -----------------------
PARTITION_NAME VARCHAR2(128)
LAYER NUMBER
IDX_FROM NUMBER
ATTRIBUTE_NAME VARCHAR2(128)
ATTRIBUTE_SUBNAME VARCHAR2(4000)
ATTRIBUTE_VALUE VARCHAR2(4000)
IDX_TO NUMBER
TARGET_VALUE NUMBER/VARCHAR2
WEIGHT BINARY_DOUBLE
表6-208 ニューラル・ネットワーク加重ビュー
列名 | 説明 |
---|---|
|
パーティション化されたモデルのパーティション名 |
|
層ID (入力層の場合は0) |
|
重みの接続元のノード索引(入力層の場合は属性ID) |
|
属性名(入力層の場合のみ) |
|
属性のサブ名。この値は、ネストされていない列に対してはNULLです。 |
|
質的属性値 |
|
重みの接続先のノード索引 |
|
ターゲット値。回帰の場合は値がNULLになります。 |
|
重みの値 |
グローバル名/値ペア・ビュー(DM$VG
model_name)は、既存のビューです。次の名前/値ペアは、ニューラル・ネットワーク・ビューに固有です。
表6-209 ニューラル・ネットワークのグローバル名/値ペア・ビュー
名前 | 説明 |
---|---|
|
モデルの構築プロセスが指定の許容値に収束しているかどうかを示します。次は、返される値です。
|
|
反復数 |
|
損失関数の値( |
|
モデル(またはパーティション化されたモデル)内の行数 |
ランダム・フォレストのモデル・ディテール・ビュー
ランダム・フォレストに固有のモデル・ディテール・ビューには、変数重要度のメジャーおよび統計が含まれています。
ランダム・フォレストに固有のモデル・ディテール・ビューおよび統計は次のとおりです。
-
変数重要度統計
DM$VA
model_name -
グローバル名/値ペア・ビュー
DM$VG
model_nameのランダム・フォレスト統計
ランダム・フォレストのモデル構築からの重要な出力の1つとして、属性の相対的な重要度に基づいた属性のランキングがあります。これは、Mean Decrease Giniを使用して測定されます。DM$VA
model_nameビューには、次の列があります。
Name Type
------------------------ ---------------
PARTITION_NAME VARCHAR2(128)
ATTRIBUTE_NAME VARCHAR2(128)
ATTRIBUTE_SUBNAME VARCHAR2(128)
ATTRIBUTE_IMPORTANCE BINARY_DOUBLE
表6-210 変数重要度のモデル・ビュー
列名 | 説明 |
---|---|
|
パーティション名。パーティション化されていないモデルの場合、値はNULLです。 |
|
列名 |
|
ネストした列のサブ名。この値は、ネストされていない列に対してはNULLです。 |
|
フォレスト内の属性の重要度のメジャー(Mean Decrease Gini値) |
グローバル名/値ペア・ビュー(DM$VG
model_name)は、既存のビューです。ビューには次の名前と値のペアが追加されます。
表6-211 モデル・グローバル・ビューのランダム・フォレスト統計情報
名前 | 説明 |
---|---|
|
フォレスト内のツリーの平均深度 |
|
ツリーごとのノードの平均数 |
|
フォレスト内のツリーの最大深度 |
|
ツリーごとのノードの最大数 |
|
フォレスト内のツリーの最小深度 |
|
ツリーごとのノードの最小数 |
|
構築で使用される行の合計数 |
サポート・ベクター・マシンのモデル・ディテール・ビュー
サポート・ベクター・マシン(SVM)に固有のモデル・ディテール・ビューには、線形係数およびサポート・ベクター統計が含まれています。
モデル・ビュー | 説明 |
---|---|
DM$VCS model_name |
スコアリング・コスト・マトリックス |
DM$VG model_name |
グローバル名/値ペア |
DM$VN model_name |
正規化および欠損値の処理に関する項 |
DM$VS model_name |
計算済設定 |
DM$VT model_name |
分類ターゲット |
DM$VW model_name |
モデル構築アラート |
線形係数ビューDM$VL
model_nameは、線形SVMアルゴリズムの係数を説明しています。ビューのtarget_valueフィールドは分類にのみ存在し、ターゲットの型を持ちます。回帰モデルにはtarget_valueフィールドがありません。
reversed_coefficientフィールドは、自動データ準備変換を元に戻した後の係数の値が表示されます。データ準備が無効な場合、coefficientとreversed_coefficientの値は同じになります。このビューには次の列があります。
Name Type
----------------------------------------- --------------------------------
PARTITION_NAME VARCHAR2(128)
TARGET_VALUE NUMBER/VARCHAR2
ATTRIBUTE_NAME VARCHAR2(128)
ATTRIBUTE_SUBNAME VARCHAR2(4000)
ATTRIBUTE_VALUE VARCHAR2(4000)
COEFFICIENT BINARY_DOUBLE
REVERSED_COEFFICIENT BINARY_DOUBLE
表6-212 サポート・ベクター・マシンの線形係数ビュー
列名 | 説明 |
---|---|
|
パーティション化されたモデルのパーティション名 |
|
ターゲット値(量的または質的) |
|
列名 |
|
ネストした列のサブ名。この値は、ネストされていない列に対してはNULLです。 |
|
質的属性の値 |
|
予測係数値 |
|
元のスケールで変換された係数 |
表6-213 モデル・グローバル・ビューのサポート・ベクター統計情報
名前 | 説明 |
---|---|
|
モデルの構築プロセスが指定の許容値に収束しているかどうかを示します。
|
|
構築中に実行される反復回数 |
|
構築に使用される行の数 |
|
ノルムが0のために削除された行の数。これは、1クラス線形モデルにのみ適用されます。 |
XGBoostのモデル・ディテール・ビュー
XGBoostに固有のモデル・ディテール・ビューには、特徴評価ビューおよびグローバル名/値ペア・ビューに関する情報が含まれています。
DM$VImodel_name
ビューは、モデルの各パーティションの各属性の特徴評価値をレポートします。
このビューには、ツリー・モデル(gbtree
およびdart
ブースター)のための次の列があります。
Name Type
----------------- --------------
PNAME VARCHAR2(128)
ATTRIBUTE_NAME VARCHAR2(128)
ATTRIBUTE_SUBNAME VARCHAR2(4000)
ATTRIBUTE_VALUE VARCHAR2(4000)
GAIN BINARY_DOUBLE
COVER BINARY_DOUBLE
FREQUENCY BINARY_DOUBLE
表6-214 ツリー・モデルの特徴評価ビュー
列名 | 説明 |
---|---|
PNAME |
パーティション化されたモデルのパーティション名。 |
ATTRIBUTE_NAME |
列名。 |
ATTRIBUTE_SUBNAME |
ネストした列のサブ名。ネストしていない列の場合、値はNULLです。 |
ATTRIBUTE_VALUE |
質的属性の値。 |
GAIN |
機能の分割によって得られる合計に基づくモデルへの各機能の寄与率。割合が高いほど、より重要な予測機能であることを意味します。 |
COVER |
トレーニング中に分割によって表示されたか、リーフによって収集された観察の数。 |
FREQUENCY |
機能がツリーで使用された相対回数を表す割合。 |
線形モデル(gblinear
)ブースターの場合、特徴評価は線形係数の絶対等級です。
このビューには、線形モデルのための次の列があります。
Name Type
----------------- --------------
PNAME VARCHAR2(128)
ATTRIBUTE_NAME VARCHAR2(128)
ATTRIBUTE_SUBNAME VARCHAR2(4000)
ATTRIBUTE_VALUE VARCHAR2(4000)
WEIGHT BINARY_DOUBLE
CLASS BINARY_DOUBLE
表6-215 線形モデルの特徴評価ビュー
列名 | 説明 |
---|---|
PNAME |
パーティション化されたモデルのパーティション名。 |
ATTRIBUTE_NAME |
列名。 |
ATTRIBUTE_SUBNAME |
ネストした列のサブ名。ネストしていない列の場合、値はNULLです。 |
ATTRIBUTE_VALUE |
質的属性の値。 |
WEIGHT |
機能の線形係数。 |
CLASS |
多クラス・モデルのクラス・ラベル。 |
DM$VGmodel_name
ビューは、XGBoostモデルのグローバル統計をレポートします。この統計には、学習タスクのeval_metric
設定で指定した評価メトリック(または指定しなかった場合はデフォルトのeval_metric
)を使用した、トレーニング・データ・セットの評価が含まれています。このビューには、最後のトレーニング反復の結果のみが表示されます。複数のeval_metric
を指定した場合、このビューには複数の行(eval_metric
ごとに1行)が含まれています。
クラスタリング・アルゴリズムのモデル・ディテール・ビュー
Oracle Machine Learning for SQLでは、期待値最大化(EM)、k-Means (KM)および直交パーティショニング・クラスタリング(O-Cluster、OC)というクラスタリング・アルゴリズムがサポートされています。
すべてのクラスタリング・アルゴリズムで、次のビューが共有されます。
モデル・ビュー | 説明 |
---|---|
DM$VD model_name:
|
クラスタリング説明 |
DM$VA model_name |
クラスタリング属性統計 |
DM$VH model_name |
クラスタリング・ヒストグラム |
DM$VR model_name |
クラスタリング・ルール |
クラスタ説明ビューDM$VD
model_nameは、クラスタリング・モデルのクラスタ・レベル情報を説明しています。このビューには次の列があります。
Name Type
---------------------------------- ----------------------------
PARTITION_NAME VARCHAR2(128)
CLUSTER_ID NUMBER
CLUSTER_NAME NUMBER/VARCHAR2
RECORD_COUNT NUMBER
PARENT NUMBER
TREE_LEVEL NUMBER
LEFT_CHILD_ID NUMBER
RIGHT_CHILD_ID NUMBER
表6-216 クラスタリング説明ビュー
列名 | 説明 |
---|---|
|
パーティション化されたモデルのパーティション名 |
|
モデル内のクラスタのID |
|
クラスタのラベルを指定します |
|
レコードの数を指定します。 |
|
親のID |
|
ルートからの分岐の数を指定します。 |
|
分岐の左側の子クラスタのID |
|
分岐の右側の子クラスタのID |
属性ビューDM$VA
model_nameは、クラスタリング・モデルの属性レベル情報を説明しています。特定のクラスタの平均、分散およびモードの値は、このビューから取得できます。このビューには次の列があります。
Name Type
---------------------------------- ----------------------------
PARTITION_NAME VARCHAR2(128)
CLUSTER_ID NUMBER
CLUSTER_NAME NUMBER/VARCHAR2
ATTRIBUTE_NAME VARCHAR2(128)
ATTRIBUTE_SUBNAME VARCHAR2(4000)
MEAN BINARY_DOUBLE
VARIANCE BINARY_DOUBLE
MODE_VALUE VARCHAR2(4000)
表6-217 クラスタリング属性統計
列名 | 説明 |
---|---|
|
パーティション化されたモデルのパーティション |
|
モデル内のクラスタのID |
|
クラスタのラベルを指定します |
|
属性名を指定します |
|
属性サブ名を指定します |
|
このフィールドにより、数値属性の平均値が戻されます |
|
数値属性の分散 |
|
モードとは、質的属性の最頻値です。 |
ヒストグラム・ビューDM$VH
model_nameは、クラスタリング・モデルのヒストグラム・レベル情報を説明しています。ビン情報およびビン数は、このビューから取得できます。このビューには次の列があります。
Name Type
---------------------------------- ----------------------------
PARTITION_NAME VARCHAR2(128)
CLUSTER_ID NUMBER
CLUSTER_NAME NUMBER/VARCHAR2
ATTRIBUTE_NAME VARCHAR2(128)
ATTRIBUTE_SUBNAME VARCHAR2(4000)
BIN_ID NUMBER
LOWER_BIN_BOUNDARY BINARY_DOUBLE
UPPER_BIN_BOUNDARY BINARY_DOUBLE
ATTRIBUTE_VALUE VARCHAR2(4000)
COUNT NUMBER
表6-218 クラスタリング・ヒストグラム・ビュー
列名 | 説明 |
---|---|
|
パーティション化されたモデルのパーティション |
|
モデル内のクラスタのID |
|
クラスタのラベルを指定します |
|
属性名を指定します |
|
属性サブ名を指定します |
|
ビンID |
|
量的ビンの下限 |
|
量的ビンの上限 |
|
質的属性値 |
|
ヒストグラム数 |
ルール・ビューDM$VR
model_nameは、クラスタリング・モデルのルール・レベル情報を説明しています。情報は、属性の述語レベルで提供されます。このビューには次の列があります。
Name Type
---------------------------------- ----------------------------
PARTITION_NAME VARCHAR2(128)
CLUSTER_ID NUMBER
CLUSTER_NAME NUMBER/VARCHAR2
ATTRIBUTE_NAME VARCHAR2(128)
ATTRIBUTE_SUBNAME VARCHAR2(4000)
OPERATOR VARCHAR2(2)
NUMERIC_VALUE NUMBER
ATTRIBUTE_VALUE VARCHAR2(4000)
SUPPORT NUMBER
CONFIDENCE BINARY_DOUBLE
RULE_SUPPORT NUMBER
RULE_CONFIDENCE BINARY_DOUBLE
表6-219 クラスタリング・ルール・ビュー
列名 | 説明 |
---|---|
|
パーティション化されたモデルのパーティション |
|
モデル内のクラスタのID |
|
クラスタのラベルを指定します |
|
属性名を指定します |
|
属性サブ名を指定します |
|
属性述語演算子 - 次の値を使用する条件付き演算子: IN、=、<>、<、>、<=および>= |
|
量的ビンの下限 |
|
質的属性値 |
|
属性述語のサポート |
|
属性述語の信頼度 |
|
ルール・レベルのサポート |
|
ルール・レベルの信頼度 |
期待値最大化のモデル・ディテール・ビュー
期待値最大化(EM)に固有のモデル・ディテール・ビューには、EMモデルに関する追加情報が含まれています。EMクラスタリングには追加のビューがありますが、EM異常にはありません。
EMクラスタリング・モデルの場合、次のビューには、クラスタリング・ビューにはない情報が含まれます。クラスタリング・ビューの場合は、「クラスタリング・アルゴリズムのモデル・ディテール・ビュー」を参照してください。
期待値最大化コンポーネント・ビュー(DM$VO
model_name)はEMクラスタ・コンポーネントを説明するものです。コンポーネント・ビューには、事前確率およびマップ先のクラスタに関する情報が含まれています。このビューには、次の列があります。
Name Type
---------------------------------- ----------------------------
PARTITION_NAME VARCHAR2(128)
COMPONENT_ID NUMBER
CLUSTER_ID NUMBER
PRIOR_PROBABILITY BINARY_DOUBLE
表6-220 期待値最大化コンポーネント・ビュー
列名 | 説明 |
---|---|
|
パーティション化されたモデルのパーティション名 |
|
コンポーネントの一意の識別子 |
|
モデル内のクラスタのID |
|
コンポーネント事前確率 |
期待値最大化ガウス分布ビュー(DM$VM
model_name)は、ガウス分布モデル別の属性の平均および分散パラメータに関する情報を提供します。このビューには次の列があります。
Name Type
---------------------------------- ----------------------------
PARTITION_NAME VARCHAR2(128)
COMPONENT_ID NUMBER
ATTRIBUTE_NAME VARCHAR2(4000)
MEAN BINARY_DOUBLE
VARIANCE BINARY_DOUBLE
期待値最大化ベルヌーイ分布パラメータ・ビュー(DM$VF
model_name)は、EMモデルによって使用される複数値ベルヌーイ分布のパラメータに関する情報を提供します。このビューには次の列があります。
Name Type
---------------------------------- ----------------------------
PARTITION_NAME VARCHAR2(128)
COMPONENT_ID NUMBER
ATTRIBUTE_NAME VARCHAR2(4000)
ATTRIBUTE_VALUE VARCHAR2(4000)
FREQUENCY BINARY_DOUBLE
表6-221 期待値最大化ベルヌーイ分布パラメータ・ビュー
列名 | 説明 |
---|---|
|
パーティション化されたモデルのパーティション名 |
|
コンポーネントの一意の識別子 |
|
列名 |
|
質的属性値 |
|
|
2次元列の場合、EMは属性評価の属性ランク付けと類似したものを提供します。このランク付けは、列のペアに対して計算されたカルバック・ライブラー・ダイバージェンスにわたる、ランクで重み付けされた平均に基づきます。この教師なし属性評価は、教師なし属性評価ビュー(DM$VI
model_name)に表示され、次の列があります。
Name Type
----------------------------------------- ----------------------------
PARTITION_NAME VARCHAR2(128)
ATTRIBUTE_NAME VARCHAR2(128)
ATTRIBUTE_IMPORTANCE_VALUE BINARY_DOUBLE
ATTRIBUTE_RANK NUMBER
表6-222 期待値最大化の教師なし属性評価ビュー
列名 | 説明 |
---|---|
|
パーティション化されたモデルのパーティション名 |
|
列名 |
|
評価の値 |
|
評価の値に基づく属性ランク |
ペアワイズ
・カルバック・ライブラー・ダイバージェンスは、属性ペアのカルバック・ライブラー・ダイバージェンス・ビュー(DM$VB
model_name)にレポートされます。このメトリックは、観察対象の2つの属性の結合分布が、独立性の仮定の下に、予想される分布とどの程度異なっているかを評価します。つまり、値が大きいほど、2つの属性がより依存していることになります。独立性の値は、各ペアワイズ計算に使用されるグリッドのサイズに基づいてスケーリングされます。このため、[0; 1]範囲内の全ての値が比較可能になります。このビューには次の列があります。
Name Type
----------------------------------------- ----------------------------
PARTITION_NAME VARCHAR2(128)
ATTRIBUTE_NAME_1 VARCHAR2(128)
ATTRIBUTE_NAME_2 VARCHAR2(128)
DEPENDENCY BINARY_DOUBLE
表6-223 期待値最大化の属性ペアのカルバック・ライブラー・ダイバージェンス・ビュー
列名 | 説明 |
---|---|
|
パーティション化されたモデルのパーティション名 |
|
第1属性の名前 |
|
第2属性の名前 |
|
スケーリングされたペアワイズ・カルバック・ライブラー・ダイバージェンス |
予測表DM$VP
model_nameは、ネストした列をより下の次元空間にマップするために、ランダム予測によって使用される係数を示します。このビューには、作成データ内にネストしたデータまたはテキスト・データが存在する場合のみ行が含まれます。このビューには次の列があります。
Name Type
---------------------------------- ----------------------------
PARTITION_NAME VARCHAR2(128)
FEATURE_NAME VARCHAR2(4000)
ATTRIBUTE_NAME VARCHAR2(128)
ATTRIBUTE_SUBNAME VARCHAR2(4000)
ATTRIBUTE_VALUE VARCHAR2(4000)
COEFFICIENT NUMBER
表6-224 期待値の最大化の予測表
列名 | 説明 |
---|---|
|
パーティション化されたモデルのパーティション名 |
|
特徴の名前 |
|
列名 |
|
ネストした列のサブ名。この値は、ネストされていない列に対してはNULLです。 |
|
質的属性値 |
|
予測係数。データ表現はまばらなため、ゼロ以外の係数のみが戻されます。 |
EM異常では、現在、分類ビュー以外のビューはありません。分類ビューについては、「分類アルゴリズムのモデル・ディテール・ビュー」を参照してください。
期待値の最大化のグローバルな詳細
次の表では、EMのグローバル詳細について説明します。
表6-225 期待値の最大化のグローバルな詳細
名前 | 説明 |
---|---|
|
モデルの構築プロセスが指定の許容値に収束しているかどうかを示します。可能な値は次のとおりです:
|
|
構築データに対する尤度 |
|
モデルで生成されるコンポーネントの数 |
|
モデルによって生成されたクラスタの数(EMクラスタリングでのみ使用可能) |
|
構築で使用される行の数 |
|
モデル・ビルドに使用されるランダム・シード値 |
|
モデルから除外する空のコンポーネントの数 |
関連トピック
k-Meansのモデル・ディテール・ビュー
k-Means (KM)に固有のモデル・ディテール・ビューには、クラスタリング説明ビュー(DM$VG
)およびスコアリングの情報が含まれています。
モデル・ビュー | 説明 |
---|---|
DM$VA model_name |
クラスタリング属性統計 |
DM$VC model_name |
k-Meansスコアリング重心 |
DM$VD model_name |
クラスタリング説明 |
DM$VG model_name |
グローバル名/値ペア |
DM$VH model_name |
クラスタリング・ヒストグラム |
DM$VN model_name |
正規化および欠損値の処理に関する項 |
DM$VR model_name |
クラスタリング・ルール |
DM$VS model_name |
計算済設定 |
DM$VW model_name |
モデル構築アラート |
クラスタリング・アルゴリズム全体で共通のモデル・ビューは、「クラスタリング・アルゴリズムのモデル・ディテール・ビュー」を参照してください。計算済設定ビュー(DM$VS
)およびモデル構築アラート・ビュー(DM$VW
)に関する情報が含まれているグローバル名/値ペア・ビュー(DM$VG
)と正規化および欠損値の処理ビュー(DM$VN
)は個別に対処されます。
次のビューには、k-Meansモデルに固有の情報が含まれています。
k-Meansのクラスタリング説明ビューDM$VD
model_nameには、追加の列があります。
Name Type
---------------------------------- ----------------------------
DISPERSION BINARY_DOUBLE
表6-226 k-Meansのクラスタリング説明
列名 | 説明 |
---|---|
|
標準の統計モデルと比較して、一連の確認された出現が分散しているかどうかを定量化するために使用されるメジャー。 |
k-Meansスコアリング重心ビューDM$VC
model_nameは、各リーフ・クラスタの重心を説明しています。
Name Type
---------------------------------- ----------------------------
PARTITION_NAME VARCHAR2(128)
CLUSTER_ID NUMBER
CLUSTER_NAME NUMBER/VARCHAR2
ATTRIBUTE_NAME VARCHAR2(128)
ATTRIBUTE_SUBNAME VARCHAR2(4000)
ATTRIBUTE_VALUE VARCHAR2(4000)
VALUE BINARY_DOUBLE
表6-227 k-Meansスコアリング重心ビュー
列名 | 説明 |
---|---|
|
パーティション化されたモデルのパーティション名 |
|
モデル内のクラスタのID |
|
クラスタのラベルを指定します |
|
列名 |
|
ネストした列のサブ名。この値は、ネストされていない列に対してはNULLです。 |
|
質的属性値 |
|
重心の値を指定します |
DM$VG
)について説明します。
表6-228 k-Meansのグローバル名/値ペア・ビュー
名前 | 説明 |
---|---|
|
モデルの構築プロセスが指定の許容値に収束しているかどうかを示します。次は、返される値です。
|
|
構築で使用される行の数 |
|
ノルムが0のために削除された行の数。これは、コサイン距離を使用してモデルにのみ適用されます。 |
O-Clusterのモデル・ディテール・ビュー
O-Cluster (OC)に固有のモデル・ディテール・ビューには、説明ビュー、ヒストグラム・ビューおよびグローバル・ビューに関する情報が含まれています。
次のビューには、O-Clusterモデルに固有の情報が含まれています。クラスタリング・ビューの場合は、クラスタリング・アルゴリズムのモデル・ディテール・ビューを参照してください。OCアルゴリズムでは、期待値最大化(EM)およびk-Means (KM)と同じ記述統計ビューが使用されます。次に統計ビューを示します。
クラスタ説明ビュー(DM$VD
model_name)は、O-Clusterコンポーネントを説明しています。クラスタ説明ビューには、分岐述語を示す追加フィールドがあります。このビューには次の列があります。
Name Type
---------------------------------- ----------------------------
ATTRIBUTE_NAME VARCHAR2(128)
ATTRIBUTE_SUBNAME VARCHAR2(4000)
OPERATOR VARCHAR2(2)
VALUE SYS.XMLTYPE
表6-229 O-Clusterのクラスタ説明ビュー
列名 | 説明 |
---|---|
|
列名 |
|
ネストした列のサブ名。この値は、ネストされていない列に対してはNULLです。 |
|
分岐演算子 |
|
分岐値のリスト |
SYS.XMLTYPE
の構造は、次のとおりです。<Element>splitval1</Element>
OCアルゴリズムでは、EMおよびKMとは異なる列が含まれるクラスタリング・ヒストグラム・ビュー(DM$VH
model_name)が使用されます。このビューには次の列があります。
Name Type
---------------------------------- ----------------------------
PARTITON_NAME VARCHAR2(128)
CLUSTER_ID NUMBER
ATTRIBUTE_NAME VARCHAR2(128)
ATTRIBUTE_SUBNAME VARCHAR2(4000)
BIN_ID NUMBER
LABEL VARCHAR2(4000)
COUNT NUMBER
表6-230 O-Clusterのクラスタリング・ヒストグラム・ビュー
列名 | 説明 |
---|---|
|
パーティション化されたモデルのパーティション名 |
|
コンポーネントの一意の識別子 |
|
列名 |
|
ネストした列のサブ名。この値は、ネストされていない列に対してはNULLです。 |
|
一意の識別子 |
|
ビン・ラベル |
|
ビン・ヒストグラム数 |
次の表では、O-Clusterに固有のグローバル名/値ペア・ビュー(DM$VG
model_name)について説明します。
表6-231 モデル・グローバル・ビューのO-Cluster統計情報
名前 | 説明 |
---|---|
|
構築で使用される行の合計数 |
関連トピック
明示的セマンティック分析のモデル・ディテール・ビュー
明示的セマンティック分析(ESA)に固有のモデル・ディテール・ビューには、属性の統計と特徴に関する情報が含まれています。
モデル・ビュー | 説明 |
---|---|
DM$VA model_name |
明示的セマンティック分析マトリックス |
DM$VF model_name |
明示的セマンティック分析機能 |
DM$VG model_name |
グローバル名/値ペア |
DM$VN model_name |
正規化および欠損値の処理に関する項 |
DM$VS model_name |
計算済設定 |
DM$VW model_name |
モデル構築アラート |
DM$VX model_name |
テキストの特徴 |
-
明示的セマンティック分析のマトリックス(
DM$VA
model_name): このビューの列は、特徴抽出と分類で異なります。特徴抽出の場合、このビューには、特徴ごとのモデル属性の係数が示されます。分類の場合、このビューには、ターゲット・クラスごとのモデル属性の係数が示されます。 -
明示的セマンティック分析機能(
DM$VF
model_name): このビューは、特徴抽出にのみ適用されます。
明示的セマンティック分析マトリックス・ビュー(DM$VA
model_name)には、特徴抽出のための次の列があります。
Name Type
---------------------------------- ----------------------------
PARTITION_NAME VARCHAR2(128)
FEATURE_ID NUMBER/VARHCAR2, DATE, TIMESTAMP,
TIMESTAMP WITH TIME ZONE,
TIMESTAMP WITH LOCAL TIME ZONE
ATTRIBUTE_NAME VARCHAR2(128)
ATTRIBUTE_SUBNAME VARCHAR2(4000)
ATTRIBUTE_VALUE VARCHAR2(4000)
COEFFICIENT BINARY_DOUBLE
表6-232 特徴抽出の明示的セマンティック分析マトリックス
列名 | 説明 |
---|---|
|
パーティション化されたモデルのパーティション名 |
|
トレーニング・データに表示される特徴の一意の識別子 |
|
列名 |
|
ネストした列のサブ名。この値は、ネストされていない列に対してはNULLです。 |
|
質的属性値 |
|
特徴に関する属性の重みのメジャー |
DM$VA
model_nameビューは、すべてのターゲット・クラスの属性の係数で構成されます。
明示的セマンティック分析マトリックス(DM$VA
model_name)には、分類のための次の列があります。
Name Type
---------------------------------- ----------------------------
PARTITION_NAME VARCHAR2(128)
TARGET_VALUE NUMBER/VARCHAR2
ATTRIBUTE_NAME VARCHAR2(128)
ATTRIBUTE_SUBNAME VARCHAR2(4000)
ATTRIBUTE_VALUE VARCHAR2(4000)
COEFFICIENT BINARY_DOUBLE
表6-233 分類の明示的セマンティック分析マトリックス
列名 | 説明 |
---|---|
|
パーティション化されたモデルのパーティション名 |
|
ターゲットの値 |
|
列名 |
|
ネストした列のサブ名。この値は、ネストされていない列に対してはNULLです。 |
|
質的属性値 |
|
特徴に関する属性の重みのメジャー |
明示的セマンティック分析機能ビュー(DM$VF
model_name)には、1つのビュー内のあらゆる特徴に対して一意の行があります。この特徴は、モデルが事前作成されていて、ソース・トレーニング・データが使用不可の場合に役立ちます。このビューには次の列があります。
Name Type
---------------------------------- ----------------------------
PARTITION_NAME VARCHAR2(128)
FEATURE_ID NUMBER/VARHCAR2, DATE, TIMESTAMP,
TIMESTAMP WITH TIME ZONE,
TIMESTAMP WITH LOCAL TIME ZONE
表6-234 明示的セマンティック分析の明示的セマンティック分析機能
列名 | 説明 |
---|---|
|
パーティション化されたモデルのパーティション名 |
|
トレーニング・データに表示される特徴の一意の識別子 |
DM$VG
model_name)について説明します。
表6-235 モデル・グローバル・ビューの明示的セマンティック分析統計情報
名前 | 説明 |
---|---|
|
入力行の合計数 |
|
フィルタによって削除された行の数 |
Non-Negative Matrix Factorizationのモデル・ディテール・ビュー
Non-Negative Matrix Factorization (NMF)に固有のモデル・ディテール・ビューには、エンコーディングHマトリックスとH逆マトリックスに関する情報が含まれています。
NMFに固有のビューは次のとおりです。
-
非負値行列因子分解Hマトリックス・ビュー(
DM$VE
model_name) -
非負値行列因子分解逆Hマトリックス・ビュー(
DM$VI
model_name)
ビューDM$VE
model_nameは、NMFモデルのエンコーディング(H)マトリックスを説明しています。FEATURE_NAME
列の型は、NUMBER
またはVARCHAR2
のいずれかです。このビューには次の列があります。
Name Type
------------------- --------------------------
PARTITION_NAME VARCHAR2(128)
FEATURE_ID NUMBER
FEATURE_NAME NUMBER/VARCHAR2
ATTRIBUTE_NAME VARCHAR2(128)
ATTRIBUTE_SUBNAME VARCHAR2(4000)
ATTRIBUTE_VALUE VARCHAR2(4000)
COEFFICIENT BINARY_DOUBLE
表6-236 非負値行列因子分解Hマトリックス・ビュー
列名 | 説明 |
---|---|
|
パーティション化されたモデルのパーティション名 |
|
モデル内の特徴のID |
|
モデル内の特徴の名前 |
|
列名 |
|
ネストした列のサブ名。この値は、ネストされていない列に対してはNULLです。 |
|
属性の値を指定します |
|
特徴への寄与率を表す属性エンコーディング |
ビューDM$VI
model_viewは、NMFモデルの逆Hマトリックスを説明しています。FEATURE_NAME
列の型は、NUMBER
またはVARCHAR2
のいずれかです。このビューには次のスキーマが含まれます。
Name Type
----------------- ------------------------
PARTITION_NAME VARCHAR2(128)
FEATURE_ID NUMBER
FEATURE_NAME NUMBER/VARCHAR2
ATTRIBUTE_NAME VARCHAR2(128)
ATTRIBUTE_SUBNAME VARCHAR2(4000)
ATTRIBUTE_VALUE VARCHAR2(4000)
COEFFICIENT BINARY_DOUBLE
表6-237非負値行列因子分解逆Hマトリックス・ビュー
列名 | 説明 |
---|---|
|
パーティション化されたモデルのパーティション名 |
|
モデル内の特徴のID |
|
モデル内の特徴の名前 |
|
列名 |
|
ネストした列のサブ名。この値は、ネストされていない列に対してはNULLです。 |
|
属性の値を指定します |
|
特徴への寄与率を表す属性エンコーディング |
DM$VG
model_name)について説明します。
表6-238 NMFのグローバル名/値ペア・ビュー
名前 | 説明 |
---|---|
|
収束誤差 |
|
モデルの構築プロセスが指定の許容値に収束しているかどうかを示します。次は、返される値です。
|
|
構築中に実行される反復回数 |
|
作成用の入力データセットで使用される行の数 |
|
構築で使用される行の数 |
特異値分解のモデル・ディテール・ビュー
特異値分解(SVD)に固有のモデル・ディテール・ビューには、Sマトリックス、右特異ベクターおよび左特異ベクターに関する情報が含まれています。
モデル・ビュー | 説明 |
---|---|
DM$VE model_name |
特異値分解Sマトリックス |
DM$VG model_name |
グローバル名/値ペア |
DM$VN model_name |
正規化および欠損値の処理に関する項 |
DM$VS model_name |
計算済設定 |
DM$VU model_name |
特異値分解Uマトリックス |
DM$VV model_name |
特異値分解Vマトリックス |
DM$VW model_name |
モデル構築アラート |
特異値分解Sマトリックス・ビュー(DM$VE
model_name)は、SVDモデル内の各特異値には、関連付けられている主成分分析(PCA)モデル内に対応する主成分があるという事実を利用して、両方のモデル・クラスの共通情報セットを関連付けます。SVDモデルの場合、Sマトリックスのコンテンツを説明します。PCAスコアリングが作成設定として選択されている場合、対応する主成分の分散値および累積分散率も表示されます。このビューには次の列があります。
Name Type
---------------------------------- ----------------------------
PARTITION_NAME VARCHAR2(128)
FEATURE_ID NUMBER
FEATURE_NAME NUMBER/VARCHAR2
VALUE BINARY_DOUBLE
VARIANCE BINARY_DOUBLE
PCT_CUM_VARIANCE BINARY_DOUBLE
表6-239 特異値分解Sマトリックス・ビュー
列名 | 説明 |
---|---|
|
パーティション化されたモデルのパーティション名 |
|
モデル内の特徴のID |
|
モデル内の特徴の名前 |
|
マトリックスの入力値 |
|
コンポーネントに記述された分散値。この列は、 この列は、手動で、または |
|
コンポーネントに記述された分散の累積率。コンポーネントは、記述した分散値に従って降順でランク付けされます。 この列は、 この列は、手動で、または |
特異値分解Vマトリックス・ビュー(DM$VV
model_view)は、SVDモデルの右特異ベクターを説明しています。PCAモデルの場合、主成分(固有ベクター)を説明しています。このビューには次の列があります。
Name Type
---------------------------------- ----------------------------
PARTITION_NAME VARCHAR2(128)
FEATURE_ID NUMBER
FEATURE_NAME NUMBER/VARCHAR2
ATTRIBUTE_NAME VARCHAR2(128)
ATTRIBUTE_SUBNAME VARCHAR2(4000)
ATTRIBUTE_VALUE VARCHAR2(4000)
VALUE BINARY_DOUBLE
表6-240 特異値分解Vマトリックス・ビュー
列名 | 説明 |
---|---|
|
パーティション化されたモデルのパーティション名 |
|
モデル内の特徴のID |
|
モデル内の特徴の名前 |
|
列名 |
|
ネストした列のサブ名。この値は、ネストされていない列に対してはNULLです。 |
|
質的属性値。量的属性の場合、 |
|
マトリックスの入力値 |
DM$VU
model_name)は、SVDモデルの左特異ベクターを説明しています。PCAモデルの場合、主成分内のデータの予測を説明しています。このビューは、設定dbms_data_mining.svds_u_matrix_output
がdbms_data_mining.svds_u_matrix_enable
に設定されていない場合、存在しません。このビューには次の列があります。Name Type
---------------------------------- ----------------------------
PARTITION_NAME VARCHAR2(128)
CASE_ID NUMBER/VARHCAR2, DATE, TIMESTAMP,
TIMESTAMP WITH TIME ZONE,
TIMESTAMP WITH LOCAL TIME ZONE
FEATURE_ID NUMBER
FEATURE_NAME NUMBER/VARCHAR2
VALUE BINARY_DOUBLE
表6-241 特異値分解Uマトリックス・ビューまたは主成分の予測データ
列名 | 説明 |
---|---|
|
パーティション化されたモデルのパーティション名 |
|
U マトリックス予測によって記述される作成データ内にある、一意の行識別子。 |
|
モデル内の特徴のID |
|
モデル内の特徴の名前 |
|
マトリックスの入力値 |
特異値分解のグローバルな詳細
次の表では、SVDモデルに固有のグローバル名/値ペア・ビュー(DM$VG
model_name)について説明します。
表6-242 特異値分解のグローバル名/値ペア・ビュー
名前 | 説明 |
---|---|
|
モデルで生成される特徴(コンポーネント)の数 |
|
構築で使用される行の合計数 |
|
モデルの分散値のほとんどが、計算された上位何個の特徴で取得されているかを示す推奨カットオフ。このカットオフ値よりも少ない数の特徴を使用することが、次元削減における有効な方策です。 |
最小記述長のモデル・ディテール・ビュー
最小記述長(MDL)に固有のモデル・ディテール・ビュー(属性評価の計算用)には、属性評価モデルに関する情報が含まれています。
属性評価ビュー(DM$VA
model_name)は、属性評価および属性評価ランクについて説明しています。このビューには次の列があります。
Name Type
----------------------------------------- ----------------------------
PARTITION_NAME VARCHAR2(128)
ATTRIBUTE_NAME VARCHAR2(128)
ATTRIBUTE_SUBNAME VARCHAR2(4000)
ATTRIBUTE_IMPORTANCE_VALUE BINARY_DOUBLE
ATTRIBUTE_RANK NUMBER
表6-243 最小記述長の属性評価ビュー
列名 | 説明 |
---|---|
|
パーティション化されたモデルのパーティション名 |
|
列名 |
|
ネストした列のサブ名。この値は、ネストされていない列に対してはNULLです。 |
|
評価の値 |
|
評価に基づくランク |
DM$VG
model_name)について説明します。
表6-244 MDLのグローバル名/値ペア・ビュー
名前 | 説明 |
---|---|
|
構築で使用される行の合計数 |
ビニングのモデル・ディテール・ビュー
ビニング・ビューDM$VB
は、自動データ準備で使用されるビン境界を説明しています。
このビューには次の列があります。
Name Type
-------------------- --------------------
PARTITION_NAME VARCHAR2(128)
ATTRIBUTE_NAME VARCHAR2(128)
ATTRIBUTE_SUBNAME VARCHAR2(4000)
BIN_ID NUMBER
LOWER_BIN_BOUNDARY BINARY_DOUBLE
UPPER_BIN_BOUNDARY BINARY_DOUBLE
ATTRIBUTE_VALUE VARCHAR2(4000)
表6-245 ビニングのモデル・ディテール・ビュー
列名 | 説明 |
---|---|
|
パーティション化されたモデルのパーティション名 |
|
属性名を指定します |
|
属性サブ名を指定します |
|
ビンID (またはビン識別子) |
|
量的ビンの下限 |
|
量的ビンの上限 |
|
質的値 |
グローバル情報のモデル・ディテール・ビュー
グローバル情報のモデル・ディテール・ビューには、グローバル統計、アラートおよび計算済設定に関する情報が含まれています。
グローバル名/値ペア・ビュー(DM$VG
model_name)は、モデル構築に関連するグローバル統計について説明しています。例として、作成に使用される行数、コンバージェンス・ステータスおよびモデルの質メトリックがあります。このビューには次の列があります。
Name Type
------------------- --------------------
PARTITION_NAME VARCHAR2(128)
NAME VARCHAR2(30)
NUMERIC_VALUE NUMBER
STRING_VALUE VARCHAR2(4000)
表6-246 グローバル名/値ペア・ビュー
列名 | 説明 |
---|---|
|
パーティション化されたモデルのパーティション名 |
|
統計の名前 |
|
統計の量的値 |
|
統計の質的値 |
モデル構築アラート・ビュー(DM$VW
model_name)は、モデルの構築中に発行されたアラートを示します。このビューには次の列があります。
Name Type
------------------- ----------------------
PARTITION_NAME VARCHAR2(128)
ERROR_NUMBER BINARY_DOUBLE
ERROR_TEXT VARCHAR2(4000)
表6-247 モデル構築アラート・ビュー
列名 | 説明 |
---|---|
|
パーティション化されたモデルのパーティション名 |
|
エラー番号(イベントがエラーのとき有効) |
|
エラー・メッセージ |
計算済設定ビュー(DM$VS
model_name)は、アルゴリズムの計算済設定を示します。このビューには次の列があります。
Name Type
----------------- --------------------
PARTITION_NAME VARCHAR2(128)
SETTING_NAME VARCHAR2(30)
SETTING_VALUE VARCHAR2(4000)
表6-248 計算済設定ビュー
列名 | 説明 |
---|---|
|
パーティション化されたモデルのパーティション名 |
|
設定の名前 |
|
設定の値 |
正規化および欠損値の処理のモデル・ディテール・ビュー
正規化および欠損値の処理ビューDM$VN
は、自動データ準備(ADP)で使用される正規化パラメータ、およびNULL
値が発生したときの欠損値の置換を説明しています。欠損値の置換は、2次元の列にのみ適用され、ネストされた列には適用されません。
このビューには次の列があります。
Name Type
---------------------- -----------------------
PARTITION_NAME VARCHAR2(128)
ATTRIBUTE_NAME VARCHAR2(128)
ATTRIBUTE_SUBNAME VARCHAR2(4000)
NUMERIC_MISSING_VALUE BINARY_DOUBLE
CATEGORICAL_MISSING_VALUE VARCHAR2(4000)
NORMALIZATION_SHIFT BINARY_DOUBLE
NORMALIZATION_SCALE BINARY_DOUBLE
表6-249 正規化および欠損値の処理ビュー
列名 | 説明 |
---|---|
|
パーティション化されたモデルのパーティション |
|
列名 |
|
ネストした列のサブ名。この値は、ネストされていない列に対してはNULLです。 |
|
量的欠損値の置換 |
|
質的欠損値の置換 |
|
正規化シフト値 |
|
正規化スケール値 |
指数平滑法のモデル・ディテール・ビュー
指数平滑法(ESM)に固有のモデル・ディテール・ビューには、モデル出力に関する情報、モデルに関するグローバル情報、時系列回帰をサポートするビューが含まれます。
指数平滑化予測ビュー(DM$VP
model_name)には、ESMモデルの結果が表示されます。出力には、指数平滑法モデル出力表に示されている列を含む、パーティションおよびCASE_ID
でソートされたレコードのセットが含まれます。CASE_ID
は、時系列における値の位置を示します。ユーザー指定のCASE_ID
は、数値または日時の値を表す型にできます。PARTITION
の一意の値ごとに、個別の指数平滑法モデルが作成されます。各PARTITION
のVALUE
列は、シーケンス内のその時点におけるターゲットの観測値または累積値を表します。PREDICTION
列は、シーケンス内のその時点における予測です。バックキャストは、入力データの範囲内に収まる予測です。シーケンスには、入力データの範囲を超える、ユーザーが指定した数の値も含まれます。VALUE
列は入力の範囲外のシーケンス値に対してNULLであり、PREDICTION
列はそのシーケンス値のモデル予測です。予測の下限および上限は、LOWER
列およびUPPER
列で示されます。バックキャストの場合、LOWER
およびUPPER
はNULLです。境界は、ユーザーが予測に対して設定した信頼区間に基づきます。
表6-250 指数平滑法予測ビュー
名前 | 説明 |
---|---|
PARTITION |
パーティション化されたモデルのパーティション名 |
CASE_ID |
シーケンス識別子(日時または数値型) |
VALUE |
観測値または累積値 |
PREDICTION |
バックキャストまたは予測値 |
UPPER |
予測の上限 |
LOWER |
予測の下限 |
グローバル名/値ペア・ビュー(DM$VG
model_name)には、モデルのグローバル情報と、見積平滑化定数、見積初期状態およびグローバル診断メジャーが格納されています。
表6-251 ESMのグローバル名/値ペア・ビュー
名前 | 説明 |
---|---|
|
モデルの負の対数尤度 |
|
平滑化定数 |
|
赤池情報量規準 |
|
補正済赤池情報量規準 |
|
ユーザー指定の時間ウィンドウの平均平方誤差 |
|
傾向の平滑化定数 |
|
ベイジアン情報量規準 |
|
季節性の平滑化定数 |
|
観測された系列の開始より1つ前の時間間隔の値のモデル見積 |
|
観測された系列の開始より1つ前の時間間隔である季節iに対する季節性効果のモデル見積 |
|
観測された時系列の開始より1つ前の傾向のモデル見積 |
|
平均絶対誤差のモデル |
|
平均平方誤差のモデル |
|
減衰パラメータ |
|
モデル標準誤差 |
|
残差のモデル標準偏差 |
時系列回帰は、時系列モデルに含めることができる機能を拡張し、予測精度を高めることができます。対象のターゲット・シリーズに関連している時系列のバックキャストと予測は、構築ビューとスコア・ビューに含まれています。構築ビューおよびスコア・ビューは、一般化線形モデルのような回帰手法にフィードできます。
時系列回帰ビルド・ビュー(DM$VR
model_name)は、ビルド・ビューのスキーマを示しています。各予測子系列には独自の列があります。ビルドおよびスコア・ビューには最大で20の予測子系列が含まれることがあります。列の名前は、EXSM_SERIES_LIST
設定から取得されます。
表6-252 時系列回帰ビルド・ビュー
名前 | 説明 |
---|---|
PARTITION |
パーティション化されたモデルのパーティション名 |
CASE_ID |
シーケンス識別子(日時または数値型) |
target series name |
ターゲット・シリーズの観測値または累積値 |
DM$target series |
ターゲット・シリーズのバックキャスト値 |
DM$predictor series column name |
予測子シリーズ列のバックキャスト値。最大20個の予測子シリーズ列を使用できます。 |
時系列回帰スコア・ビュー(DM$VT
model_name)は、スコア・ビューのスキーマを示しています。スキーマはビルド・ビューと同じですが、将来は観測されていないため、target series name列の値はNULL
です。
表6-253 時系列回帰スコア・ビュー
名前 | 説明 |
---|---|
PARTITION |
パーティション化されたモデルのパーティション名 |
CASE_ID |
シーケンス識別子(日時または数値型) |
target series name |
|
DM$target series |
ターゲット・シリーズの予測値 |
DM$predictor series column name |
予測子シリーズ列名の予測値。最大20個の予測子シリーズ列を使用できます。 |
関連トピック
テキストの特徴のモデル・ディテール・ビュー
テキストの特徴のモデル・ディテール・ビューはDM$VX
model_nameです。
テキストの特徴ビューDM$VX
model_nameは、テキスト属性が存在する場合に、抽出されたテキストの特徴を示します。このビューには次のスキーマが含まれます。
Name Type
-------------- ---------------------
PARTITION_NAME VARCHAR2(128)
COLUMN_NAME VARCHAR2(128)
TOKEN VARCHAR2(4000)
DOCUMENT_FREQUENCY NUMBER
表6-254 抽出されたテキストの特徴のテキストの特徴ビュー
列名 | 説明 |
---|---|
|
詳細を取得するパーティション化されたモデルのパーティション |
|
識別子列の名前 |
|
通常、単語または語幹であるテキスト・トークン |
|
トレーニング・セット全体内のトークン頻度の測定基準 |