モデル・ディテール・ビュー

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$VRmodel_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。

相関ルールに使用可能なモデル・ビューは次のとおりです。

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

モデルの設定によって、このルール・ビュー(DM$VRmodel_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。

次に、様々な設定によるビューを示します。

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
`PARTITION_NAME`	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
`RULE_ID`	ルールの識別子。
`RULE_SUPPORT`	ルールを満たすトランザクションの数。
`RULE_CONFIDENCE`	トランザクションがルールを満たす確度。
`RULE_LIFT`	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。
`RULE_REVCONFIDENCE`	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。
`ANTECEDENT_SUPPORT`	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。
`NUMBER_OF_ITEMS`	ルールの前件と後件で参照される属性の合計数。
`CONSEQUENT_SUPPORT`	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。
`CONSEQUENT_NAME`	後件の名前。
`CONSEQUENT_VALUE`	後件の値。この列は、`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に存在します。
`ANTECEDENT`	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_AGG`*へのマッピング)も指定されます。項目セットには、`>= 1`個の項目が含まれています。 `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。たとえば、前件に1つの項目Bが含まれている場合は次のように表記されます。 `<itemset NUMAGGR="0"><item><item_name>B</item_name></item></itemset>` もう1つの例として、前件に2つの項目AとCが含まれている場合は次のように表記されます。 `<itemset NUMAGGR="0"><item><item_name>A</item_name></item><item><item_name>C</item_name></item></itemset>` 設定`ODMS_ITEM_VALUE_COLUMN_NAME`が設定されている場合、各項目は`item_name`と`item_value`で定義されます。たとえば、前件に2つの項目(名前A、値1)と(名前C、値1)が含まれている場合は次のように表記されます。 `<itemset NUMAGGR="0"><item><item_name>A</item_name><item_value>1</item_value></item><item><item_name>C</item_name><item_value>1</item_value></item></itemset>`

ASSO_AGGREGATES設定があるトランザクショナル入力

集計設定のないビューと類似していて、3つのケースがあります。

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

列名	説明
`CONSEQUENT_SUBNAME`	2次元の入力の場合、`CONSEQUENT_SUBNAME`が、入力データ表内のネストした列に使用されます。
`CONSEQUENT_VALUE`	後件の値(`TYPE`が量的または質的として設定`Item_value`が指定されている場合)。
`ANTECEDENT`	前件は、項目セットとして記述されます。項目セットには、`>= 1`個の項目が含まれています。各アイテムは、`ITEM_NAME`、`ITEM_SUBNAME`および`ITEM_VALUE`を使用して定義されます。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`ADDR`、`MA`)が含まれているとします。この前件(XMLtype)は次のようになります。 `<itemset NUMAGGR="0"><item><item_name>ADDR</item_name><item_subname></item_subna me><item_value>MA</item_value></item></itemset>` 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。

CONSEQUENT_SUBNAME

2次元の入力の場合、CONSEQUENT_SUBNAMEが、入力データ表内のネストした列に使用されます。

CONSEQUENT_VALUE

後件の値(TYPEが量的または質的として設定Item_valueが指定されている場合)。

ANTECEDENT

前件は、項目セットとして記述されます。項目セットには、>= 1個の項目が含まれています。各アイテムは、ITEM_NAME、ITEM_SUBNAMEおよびITEM_VALUEを使用して定義されます。

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ADDR、MA)が含まれているとします。この前件(XMLtype)は次のようになります。

<itemset NUMAGGR="0"><item><item_name>ADDR</item_name><item_subname></item_subna
me><item_value>MA</item_value></item></itemset>

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
`ITEMSET_COUNT`	生成された項目セットの数
`MAX_SUPPORT`	最大サポート
`NUM_ROWS`	構築で使用される行の合計数
`RULE_COUNT`	モデルで生成された相関ルールの数
`TRANSACTION_COUNT`	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$VImodel_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$VImodel_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
`PARTITION_NAME`	パーティション化されたモデルのパーティション
`ITEMSET_ID`	項目セット識別子
`SUPPORT`	項目セットのサポート
`NUMBER_OF_ITEMS`	項目セット内の項目の数
`ITEMSET`	高頻度項目セット `SYS.XMLTYPE`列項目セットの構造は、ルール・ビューの対応する前件列と同じです。

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$VTmodel_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$VTmodel_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
`PARTITION_NAME`	パーティション化されたモデルのパーティション
`ITEMSET_ID`	項目セット識別子
`ITEM_ID`	項目識別子
`SUPPORT`	項目セットのサポート
`NUMBER_OF_ITEMS`	項目セット内の項目の数
`ITEM_NAME`	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$VAmodel_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$VAmodel_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
`PARTITION_NAME`	パーティション化されたモデルのパーティション
`RULE_ID`	ルール識別子
`ANTECEDENT_PREDICATE`	前件項目の名前。
`CONSEQUENT_PREDICATE`	後件項目の名前
`RULE_SUPPORT`	ルールのサポート
`RULE_CONFIDENCE`	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。
`RULE_LIFT`	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
`RULE_REVCONFIDENCE`	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
`RULE_ITEMSET_ID`	項目セット識別子
`ANTECEDENT_SUPPORT`	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
`CONSEQUENT_SUPPORT`	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
`NUMBER_OF_ITEMS`	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。

分類アルゴリズムに使用可能なモデル・ビューは次のとおりです。

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$VTmodel_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
`PARTITION_NAME`	パーティション化されたモデルのパーティション名
`TARGET_VALUE`	ターゲット値(量的または質的)
`TARGET_COUNT`	特定の`TARGET_VALUE`の行数
`TARGET_WEIGHT`	特定の`TARGET_VALUE`の重み

スコアリング・コスト・マトリックス・ビュー(DM$VCmodel_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
`PARTITION_NAME`	パーティション化されたモデルのパーティション名
`ACTUAL_TARGET_VALUE`	有効なターゲット値
`PREDICTED_TARGET_VALUE`	予測対象ターゲット値
`COST`	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$VCmodel_name

行の重要度とランク: DM$VRmodel_name

グローバル統計: DM$VG

属性の重要度とランク・ビューDM$VCmodel_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
`PARTITION_NAME`	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`	属性名
`ATTRIBUTE_SUBNAME`	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。
`ATTRIBUTE_VALUE`	属性の値
`ATTRIBUTE_IMPORTANCE`	属性レバレッジ・スコア
`ATTRIBUTE_RANK`	レバレッジ・スコアに基づく属性ランク

ビューDM$VRmodel_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
`PARTITION_NAME`	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`	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。
`ROW_IMPORTANCE`	行のレバレッジ・スコア
`ROW_RANK`	レバレッジ・スコアに基づいた行のランク

次の表では、CUR行列分解のグローバル統計情報について説明します。

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
`NUM_COMPONENTS`	SVD成分の数(SVDランク)
`NUM_ROWS`	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・ツリーに使用可能なモデル・ビューは次のとおりです。

モデル・ビュー	説明
`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$VI`model_name	デシジョン・ツリー統計
`DM$VM`model_name	デシジョン・ツリー構築コスト・マトリックス
`DM$VO`model_name	デシジョン・ツリー・ノード
`DM$VP`model_name	デシジョン・ツリー階層
`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

デシジョン・ツリー階層ビュー(DM$VPmodel_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
`PARTITION_NAME`	パーティション化されたモデルのパーティション名
`PARENT`	親のノードID
`SPLIT_TYPE`	メイン分岐またはサロゲート分岐
`NODE`	ノードID
`ATTRIBUTE_NAME`	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。
`ATTRIBUTE_SUBNAME`	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。
`OPERATOR`	分岐演算子
`VALUE`	分岐基準として使用される値。これは、`<Element>`タグを使用して記述されるXML要素です。たとえば、`<Element>Windy</Element><Element>Hot</Element>`などとなります。

デシジョン・ツリー統計ビュー(DM$VImodel_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
`PARTITION_NAME`	パーティション化されたモデルのパーティション名
`NODE`	ノードID
`NODE_SUPPORT`	ノードに属するトレーニング・セット内のレコード数
`PREDICTED_TARGET_VALUE`	予測対象ターゲット値
`TARGET_VALUE`	トレーニング・データ内に表示されるターゲット値
`TARGET_SUPPORT`	ノードに属し、`TARGET_VALUE`列で指定されている値を持つレコード数

デシジョン・ツリー・ノード(DM$VOmodel_name)ビューは、上位レベルのノードを説明しています。DM$VOmodel_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
`PARTITION_NAME`	パーティション化されたモデルのパーティション名
`NODE`	ノードID
`NODE_SUPPORT`	ノードに属するトレーニング・セット内のレコード数
`PREDICTED_TARGET_VALUE`	予測対象ターゲット値
`PARENT`	親のID
`ATTRIBUTE_NAME`	属性名を指定します
`ATTRIBUTE_SUBNAME`	属性サブ名を指定します
`OPERATOR`	属性述語演算子 - 次の値を使用する条件演算子。 IN、= 、<>、< 、>、<=、>=
`VALUE`	説明の基準として使用される値。これは、`<Element>`タグを使用して記述されるXML要素です。たとえば、`<Element>Windy</Element><Element>Hot</Element>`などとなります。

デシジョン・ツリー構築コスト・マトリックス・ビュー(DM$VMmodel_name)は、デシジョン・ツリーの構築によって使用されるコスト・マトリックスを説明しています。DM$VMmodel_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
`PARTITION_NAME`	パーティション化されたモデルのパーティション名
`ACTUAL_TARGET_VALUE`	有効なターゲット値
`PREDICTED_TARGET_VALUE`	予測対象ターゲット値
`COST`	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

次の表では、デシジョン・ツリー・モデルに固有のグローバル名/値ペア・ビュー(DM$VGmodel_name)の列について説明します。

表6-198 グローバル名/値ペア・ビュー

名前	説明
`NUM_ROWS`	構築で使用される行の合計数

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。

次のモデル・ビューは、GLMに使用できます。

モデル・ビュー	説明
`DM$VA`model_name	GLM回帰の行診断
`DM$VD`model_name	GLM回帰の属性診断
`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

GLM回帰の属性診断ビュー(DM$VDmodel_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$VDmodel_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$VDmodel_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
`PARTITION_NAME`	モデル内の特徴の名前
`TARGET_VALUE`	有効なターゲット値
`ATTRIBUTE_NAME`	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。`ATTRIBUTE_NAME`は、ソース表またはビューの列の名前です。列が、ネストされていない数値列の場合、`ATTRIBUTE_NAME`は機械学習属性の名前です。切片の場合、`ATTRIBUTE_NAME`はNULLです。切片は、SVMモデルのバイアスに相当する用語です。
`ATTRIBUTE_SUBNAME`	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、`ATTRIBUTE_NAME - ATTRIBUTE_SUBNAME`の組合せによって識別されます。列がネストしていない場合、`ATTRIBUTE_SUBNAME`はNULLです。属性が切片の場合、`ATTRIBUTE_NAME`と`ATTRIBUTE_SUBNAME`の両方がNULLです。
`ATTRIBUTE_VALUE`	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`ATTRIBUTE_NAME.ATTRIBUTE_VALUE`のペアによって識別されます。ネストした質的列では、機械学習属性は、`ATTRIBUTE_NAME.ATTRIBUTE_SUBNAME.ATTRIBUTE_VALUE`の組合せによって識別されます。量的属性の場合、`ATTRIBUTE_VALUE`はNULLです。
`FEATURE_EXPRESSION`	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`CREATE`モデル・プロセスによって検出されない場合、`FEATURE_EXPRESSION`はNULLになります。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。
`COEFFICIENT`	推定係数。
`STD_ERROR`	係数推定値の標準誤差。
`TEST_STATISTIC`	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。
`P_VALUE`	モデル内の用語が統計的に重要ではない(NULL)仮定の下の`TEST_STATISTIC`の確率。低い確率は用語が重要であることを示し、高い確率は用語を破棄した方がよいことを示します。モデルの特定の属性の重要度を分析するのに使用されます。
`VIF`	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、`VIF`はNULLです。
`STD_COEFFICIENT`	係数の標準化推定値。
`LOWER_COEFF_LIMIT`	係数の信頼限界値の下限。
`UPPER_COEFF_LIMIT`	係数の信頼限界値の上限。
`EXP_COEFFICIENT`	ロジスティック回帰の指数係数。線形回帰の場合、`EXP_COEFFICIENT`はNULLです。
`EXP_LOWER_COEFF_LIMIT`	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、`EXP_LOWER_COEFF_LIMIT`はNULLです。
`EXP_UPPER_COEFF_LIMIT`	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、`EXP_UPPER_COEFF_LIMIT`はNULLです。

GLM回帰の行診断ビューDM$VAmodel_nameは、線形回帰モデルとロジスティック回帰モデルの両方の行レベル情報を説明しています。線形回帰の場合、DM$VAmodel_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
`PARTITION_NAME`	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`	ケースIDの名前
`TARGET_VALUE`	入力行から取得される実際のターゲット値
`PREDICTED_TARGET_VALUE`	行のモデル予測ターゲット値
`HAT`	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。
`RESIDUAL`	特定の入力行の予測と実際のターゲット値間の差異。
`STD_ERR_RESIDUAL`	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。
`STUDENTIZED_RESIDUAL`	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。
`PRED_RES`	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。
`COOKS_D`	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$VAmodel_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
`PARTITION_NAME`	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`	ケースIDの名前
`TARGET_VALUE`	入力行から取得される実際のターゲット値
`TARGET_VALUE_PROB`	予測ターゲット値の確率のモデル推定値。
`Hat`	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。
`WORKING_RESIDUAL`	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。 `WORKING_RESIDUAL`は、作業応答と収束時の線形予測子間の差異です。
`PEARSON_RESIDUAL`	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。 `RESIDUAL`は、行の実際のターゲット値の予測確率から1を減算した値です。
`DEVIANCE_RESIDUAL`	`DEVIANCE_RESIDUAL`は、i番目の観測のモデル逸脱度への寄与率です。ロジスティック回帰では、非参照クラスの場合、2の平方根×`log(1 + e^eta) - eta`の形式となり、参照クラスの場合2の平方根×`log (1 + eta)`となり、この場合の`eta`は線形予測(モデルが線形回帰とする場合の予測)です。
`C`	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。
`CBAR`	`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。
`DIFDEV`	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`CBAR`を加算して算出されます。
`DIFCHISQ`	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。`CBAR`をハット値で除算して算出されます。

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
`ADJUSTED_R_SQUARE`	調整済R2乗
`AIC`	赤池情報量基準
`COEFF_VAR`	変動の係数
`CONVERGED`	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。 `YES` `NO`
`CORRECTED_TOTAL_DF`	修正された総自由度。
`CORRECTED_TOT_SS`	修正された総平方和。
`DEPENDENT_MEAN`	依存平均
`ERROR_DF`	誤差の自由度。
`ERROR_MEAN_SQUARE`	誤差平均平方
`ERROR_SUM_SQUARES`	誤差の平方和。
`F_VALUE`	モデルのF値の統計。
`GMSEP`	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_SP`	HockingのSp統計
`ITERATIONS`	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。
`J_P`	JP統計(最終予測誤差)。
`MODEL_DF`	モデルの自由度。
`MODEL_F_P_VALUE`	モデルのF値の確率。
`MODEL_MEAN_SQUARE`	平均平方誤差のモデル
`MODEL_SUM_SQUARES`	平方誤差の合計のモデル
`NUM_PARAMS`	パラメータ数(切片を含む係数の数)。
`NUM_ROWS`	行数
`R_SQ`	R2乗
`RANK_DEFICIENCY`	多重共線性のためにモデルから除外された予測子の数
`ROOT_MEAN_SQ`	2乗平均平方根誤差。
`SBIC`	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
`AIC_INTERCEPT`	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
`AIC_MODEL`	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。
`CONVERGED`	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。 `YES` `NO`
`DEPENDENT_MEAN`	依存平均
`ITERATIONS`	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。
`LR_DF`	尤度比の自由度。
`LR_CHI_SQ`	尤度比のカイ二乗値。
`LR_CHI_SQ_P_VALUE`	尤度比のカイ二乗確率値。
`NEG2_LL_INTERCEPT`	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
`NEG2_LL_MODEL`	モデルの-2対数尤度。
`NUM_PARAMS`	パラメータ数(切片を含む係数の数)。
`NUM_ROWS`	行数
`PCT_CORRECT`	正確な予測の割合。
`PCT_INCORRECT`	不正確に予測された行の割合。
`PCT_TIED`	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
`PSEUDO_R_SQ_CS`	擬似R二乗(CoxおよびSnell)
`PSEUDO_R_SQ_N`	擬似R2乗(Nagelkerke)
`RANK_DEFICIENCY`	多重共線性のためにモデルから除外された予測子の数
`SC_INTERCEPT`	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
`SC_MODEL`	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。

関連トピック

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

多変量状態推定手法 - 順次確率比率テストに固有のモデル・ディテール・ビューには、グローバル名/値ペアに関する情報が含まれています。

MSET-SPRTに使用可能なモデル・ビューは次のとおりです。

ビュー	説明
`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$VN`model_name	正規化および欠損値の処理に関する項
`DM$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

次の表に、MSET-SPRTのグローバル名/値ペア(DM$VGmodel_name)を示します。この統計は、メモリーの制約のために、ユーザーによって設定されたMSET_MEMORY_VECTORS値をMSET-SPRTで使用できない場合に含められます。

表6-204 モデル・グローバル・ビューのMSET-SPRT情報

名前	説明
`NUM_MVEC`	モデルで使用されるメモリー・ベクターの数。

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に使用可能なモデル・ビューは次のとおりです。

モデル・ビュー	説明
`DM$VB`model_name	自動データ準備のビニング
`DM$VC`model_name	スコアリング・コスト・マトリックス
`DM$VG`model_name	グローバル名/値ペア
`DM$VP`model_name	Naive Bayesターゲット事前確率
`DM$VS`model_name	計算済設定
`DM$VT`model_name	分類ターゲット
`DM$VV`model_name	Naive Bayes条件付き確率
`DM$VW`model_name	モデル構築アラート

Naive Bayesターゲット事前確率ビュー(DM$VPmodel_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
`PARTITION_NAME`	モデル内の特徴の名前
`TARGET_NAME`	ターゲット列の名前
`TARGET_VALUE`	ターゲット値(量的または質的)
`PRIOR_PROBABILITY`	特定の`TARGET_VALUE`の事前確率
`COUNT`	特定の`TARGET_VALUE`の行数

Naive Bayes条件付き確率ビュー(DM$VVmodel_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
`PARTITION_NAME`	モデル内の特徴の名前
`TARGET_NAME`	ターゲット列の名前
`TARGET_VALUE`	ターゲット値(量的または質的)
`ATTRIBUTE_NAME`	列名
`ATTRIBUTE_SUBNAME`	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。
`ATTRIBUTE_VALUE`	列`ATTRIBUTE_NAME`またはネストした列`ATTRIBUTE_SUBNAME` (存在する場合)の機械学習属性値。
`CONDITIONAL_PROBABILITY`	特定のターゲットの機械学習属性の条件付き確率
`COUNT`	特定の機械学習属性および特定のターゲットの行数

次の表では、Naive Bayesモデルに固有のグローバル名/値ペア・ビュー(DM$VGmodel_name)について説明します。

表6-207 Naive Bayesのグローバル名/値ペア・ビュー

名前	説明
`NUM_ROWS`	構築で使用される行の合計数

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・ネットワークに使用可能なモデル・ビューは次のとおりです。

モデル・ビュー	説明
`DM$VA`model_name	ニューラル・ネットワーク加重
`DM$VC`model_name	スコアリング・コスト・マトリックス
`DM$VG`model_name	グローバル名/値ペア
`DM$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

ニューラル・ネットワーク加重ビュー(DM$VAmodel_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
`PARTITION_NAME`	パーティション化されたモデルのパーティション名
`LAYER`	層ID (入力層の場合は0)
`IDX_FROM`	重みの接続元のノード索引(入力層の場合は属性ID)
`ATTRIBUTE_NAME`	属性名(入力層の場合のみ)
`ATTRIBUTE_SUBNAME`	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。
`ATTRIBUTE_VALUE`	質的属性値
`IDX_TO`	重みの接続先のノード索引
`TARGET_VALUE`	ターゲット値。回帰の場合は値がNULLになります。
`WEIGHT`	重みの値

グローバル名/値ペア・ビュー(DM$VGmodel_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
`CONVERGED`	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。 `YES` `NO`
`ITERATIONS`	反復数
`LOSS_VALUE`	損失関数の値(`NNET_REGULARIZER_HELDASIDE`正則化が指定されている場合は、テスト・データに対する損失関数の値になります)
`NUM_ROWS`	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。

次のモデル・ディテール・ビューは、ランダム・フォレストに使用できます。

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

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$VAmodel_name
グローバル名/値ペア・ビューDM$VGmodel_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$VAmodel_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
`PARTITION_NAME`	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。
`ATTRIBUTE_NAME`	列名
`ATTRIBUTE_SUBNAME`	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。
`ATTRIBUTE_IMPORTANCE`	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$VGmodel_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
`AVG_DEPTH`	フォレスト内のツリーの平均深度
`AVG_NODECOUNT`	ツリーごとのノードの平均数
`MAX_DEPTH`	フォレスト内のツリーの最大深度
`MAX_NODECOUNT`	ツリーごとのノードの最大数
`MIN_DEPTH`	フォレスト内のツリーの最小深度
`MIN_NODECOUNT`	ツリーごとのノードの最小数
`NUM_ROWS`	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。

次のモデル・ビューは、SVMに使用できます。

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$VLmodel_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
`PARTITION_NAME`	パーティション化されたモデルのパーティション名
`TARGET_VALUE`	ターゲット値(量的または質的)
`ATTRIBUTE_NAME`	列名
`ATTRIBUTE_SUBNAME`	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。
`ATTRIBUTE_VALUE`	質的属性の値
`COEFFICIENT`	予測係数値
`REVERSED_COEFFICIENT`	元のスケールで変換された係数

次の表では、SVM統計グローバル・ビューについて説明します。

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
`CONVERGED`	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。 `YES` `NO`
`ITERATIONS`	構築中に実行される反復回数
`NUM_ROWS`	構築に使用される行の数
`REMOVED_ROWS_ZERO_NORM`	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。

XGBoost分類に使用可能なモデル・ビューは次のとおりです。

モデル・ビュー	説明
`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$VI`model_name	XGBoost属性評価
`DM$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

XGBoost回帰に使用可能なモデル・ビューは次のとおりです。

ビュー	説明
`DM$VG`model_name	グローバル名/値ペア
`DM$VI`model_name	XGBoost属性評価
`DM$VS`model_name	計算済設定
`DM$VW`model_name	モデル構築アラート

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$VDmodel_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
`PARTITION_NAME`	パーティション化されたモデルのパーティション名
`CLUSTER_ID`	モデル内のクラスタのID
`CLUSTER_NAME`	クラスタのラベルを指定します
`RECORD_COUNT`	レコードの数を指定します。
`PARENT`	親のID
`TREE_LEVEL`	ルートからの分岐の数を指定します。
`LEFT_CHILD_ID`	分岐の左側の子クラスタのID
`RIGHT_CHILD_ID`	分岐の右側の子クラスタのID

属性ビューDM$VAmodel_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
`PARTITION_NAME`	パーティション化されたモデルのパーティション
`CLUSTER_ID`	モデル内のクラスタのID
`CLUSTER_NAME`	クラスタのラベルを指定します
`ATTRIBUTE_NAME`	属性名を指定します
`ATTRIBUTE_SUBNAME`	属性サブ名を指定します
`MEAN`	このフィールドにより、数値属性の平均値が戻されます
`VARIANCE`	数値属性の分散
`MODE_VALUE`	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$VHmodel_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
`PARTITION_NAME`	パーティション化されたモデルのパーティション
`CLUSTER_ID`	モデル内のクラスタのID
`CLUSTER_NAME`	クラスタのラベルを指定します
`ATTRIBUTE_NAME`	属性名を指定します
`ATTRIBUTE_SUBNAME`	属性サブ名を指定します
`BIN_ID`	ビンID
`LOWER_BIN_BOUNDARY`	量的ビンの下限
`UPPER_BIN_BOUNDARY`	量的ビンの上限
`ATTRIBUTE_VALUE`	質的属性値
`COUNT`	ヒストグラム数

ルール・ビューDM$VRmodel_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
`PARTITION_NAME`	パーティション化されたモデルのパーティション
`CLUSTER_ID`	モデル内のクラスタのID
`CLUSTER_NAME`	クラスタのラベルを指定します
`ATTRIBUTE_NAME`	属性名を指定します
`ATTRIBUTE_SUBNAME`	属性サブ名を指定します
`OPERATOR`	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>=
`NUMERIC_VALUE`	量的ビンの下限
`ATTRIBUTE_VALUE`	質的属性値
`SUPPORT`	属性述語のサポート
`CONFIDENCE`	属性述語の信頼度
`RULE_SUPPORT`	ルール・レベルのサポート
`RULE_CONFIDENCE`	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。

期待値の最大化に使用可能なモデル・ビューは次のとおりです。

モデル・ビュー	説明
`DM$VA`model_name	クラスタリング属性統計
`DM$VB`model_name	属性ペアのカルバック・ライブラー・ダイバージェンス
`DM$VD`model_name	クラスタリング説明
`DM$VF`model_name	期待値最大化ベルヌーイ分布パラメータ
`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$VI`model_name	教師なし属性評価
`DM$VM`model_name	期待値最大化ガウス分布パラメータ
`DM$VN`model_name	正規化および欠損値の処理に関する項
`DM$VO`model_name	期待値最大化コンポーネント
`DM$VP`model_name	期待値最大化予測
`DM$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

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$VOmodel_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
`PARTITION_NAME`	パーティション化されたモデルのパーティション名
`COMPONENT_ID`	コンポーネントの一意の識別子
`CLUSTER_ID`	モデル内のクラスタのID
`PRIOR_PROBABILITY`	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$VMmodel_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$VFmodel_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
`PARTITION_NAME`	パーティション化されたモデルのパーティション名
`COMPONENT_ID`	コンポーネントの一意の識別子
`ATTRIBUTE_NAME`	列名
`ATTRIBUTE_VALUE`	質的属性値
`FREQUENCY`	`ATTRIBUTE_NAME`および`ATTRIBUTE_VALUE`によって指定されている属性/値の組合せの複数値ベルヌーイ分散の頻度。

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$VImodel_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
`PARTITION_NAME`	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_IMPORTANCE_VALUE`	評価の値
`ATTRIBUTE_RANK`	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$VBmodel_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
`PARTITION_NAME`	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_1`	第1属性の名前
`ATTRIBUTE_NAME_2`	第2属性の名前
`DEPENDENCY`	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$VPmodel_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
`PARTITION_NAME`	パーティション化されたモデルのパーティション名
`FEATURE_NAME`	特徴の名前
`ATTRIBUTE_NAME`	列名
`ATTRIBUTE_SUBNAME`	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。
`ATTRIBUTE_VALUE`	質的属性値
`COEFFICIENT`	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
`CONVERGED`	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: `YES` `NO`
`LOGLIKELIHOOD`	構築データに対する尤度
`NUM_COMPONENTS`	モデルで生成されるコンポーネントの数
`NUM_CLUSTERS`	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)
`NUM_ROWS`	構築で使用される行の数
`RANDOM_SEED`	モデル・ビルドに使用されるランダム・シード値
`REMOVED_COMPONENTS`	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

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

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。

次のモデル・ビューは、k-Meansアルゴリズムに使用できます。

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$VDmodel_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
`DISPERSION`	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$VCmodel_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
`PARTITION_NAME`	パーティション化されたモデルのパーティション名
`CLUSTER_ID`	モデル内のクラスタのID
`CLUSTER_NAME`	クラスタのラベルを指定します
`ATTRIBUTE_NAME`	列名
`ATTRIBUTE_SUBNAME`	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。
`ATTRIBUTE_VALUE`	質的属性値
`VALUE`	重心の値を指定します

次の表では、k-Meansのグローバル名/値ペア・ビュー(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
`CONVERGED`	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。 `YES` `NO`
`NUM_ROWS`	構築で使用される行の数
`REMOVED_ROWS_ZERO_NORM`	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。

関連トピック

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。

O-Clusterに使用可能なモデル・ビューは次のとおりです。

モデル・ビュー	説明
`DM$VA`model_name	クラスタリング属性統計
`DM$VB`model_name	自動データ準備のビニング
`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$VH`model_name	クラスタリング・ヒストグラム
`DM$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

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$VDmodel_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
`ATTRIBUTE_NAME`	列名
`ATTRIBUTE_SUBNAME`	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。
`OPERATOR`	分岐演算子
`VALUE`	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$VHmodel_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
`PARTITION_NAME`	パーティション化されたモデルのパーティション名
`CLUSTER_ID`	コンポーネントの一意の識別子
`ATTRIBUTE_NAME`	列名
`ATTRIBUTE_SUBNAME`	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。
`BIN_ID`	一意の識別子
`LABEL`	ビン・ラベル
`COUNT`	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$VGmodel_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
`NUM_ROWS`	構築で使用される行の合計数

関連トピック

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

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。

使用可能なモデル・ビューは次のとおりです。

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$VAmodel_name): このビューの列は、特徴抽出と分類で異なります。特徴抽出の場合、このビューには、特徴ごとのモデル属性の係数が示されます。分類の場合、このビューには、ターゲット・クラスごとのモデル属性の係数が示されます。
明示的セマンティック分析機能(DM$VFmodel_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$VAmodel_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
`PARTITION_NAME`	パーティション化されたモデルのパーティション名
`FEATURE_ID`	トレーニング・データに表示される特徴の一意の識別子
`ATTRIBUTE_NAME`	列名
`ATTRIBUTE_SUBNAME`	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。
`ATTRIBUTE_VALUE`	質的属性値
`COEFFICIENT`	特徴に関する属性の重みのメジャー

DM$VAmodel_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$VAmodel_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
`PARTITION_NAME`	パーティション化されたモデルのパーティション名
`TARGET_VALUE`	ターゲットの値
`ATTRIBUTE_NAME`	列名
`ATTRIBUTE_SUBNAME`	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。
`ATTRIBUTE_VALUE`	質的属性値
`COEFFICIENT`	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$VFmodel_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
`PARTITION_NAME`	パーティション化されたモデルのパーティション名
`FEATURE_ID`	トレーニング・データに表示される特徴の一意の識別子

次の表では、ESAに固有のグローバル名/値ペア・ビュー(DM$VGmodel_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
`NUM_ROWS`	入力行の合計数
`REMOVED_ROWS_BY_FILTERS`	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に使用可能なモデル・ビューは次のとおりです。

モデル・ビュー	説明
`DM$VE`model_name	非負値行列因子分解Hマトリックス
`DM$VG`model_name	グローバル名/値ペア
`DM$VI`model_name	非負値行列因子分解逆Hマトリックス
`DM$VN`model_name	正規化および欠損値の処理
`DM$VS`model_name	計算済設定
`DM$VW`model_name	モデル構築アラート

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$VEmodel_name)
非負値行列因子分解逆Hマトリックス・ビュー(DM$VImodel_name)

ビューDM$VEmodel_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
`PARTITION_NAME`	パーティション化されたモデルのパーティション名
`FEATURE_ID`	モデル内の特徴のID
`FEATURE_NAME`	モデル内の特徴の名前
`ATTRIBUTE_NAME`	列名
`ATTRIBUTE_SUBNAME`	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。
`ATTRIBUTE_VALUE`	属性の値を指定します
`COEFFICIENT`	特徴への寄与率を表す属性エンコーディング

ビューDM$VImodel_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
`PARTITION_NAME`	パーティション化されたモデルのパーティション名
`FEATURE_ID`	モデル内の特徴のID
`FEATURE_NAME`	モデル内の特徴の名前
`ATTRIBUTE_NAME`	列名
`ATTRIBUTE_SUBNAME`	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。
`ATTRIBUTE_VALUE`	属性の値を指定します
`COEFFICIENT`	特徴への寄与率を表す属性エンコーディング

次の表では、NMFに固有のグローバル名/値ペア・ビュー(DM$VGmodel_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
`CONV_ERROR`	収束誤差
`CONVERGED`	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。 `YES` `NO`
`ITERATIONS`	構築中に実行される反復回数
`NUM_ROWS`	作成用の入力データセットで使用される行の数
`SAMPLE_SIZE`	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。

SVDに使用可能なモデル・ビューは次のとおりです。

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$VEmodel_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
`PARTITION_NAME`	パーティション化されたモデルのパーティション名
`FEATURE_ID`	モデル内の特徴のID
`FEATURE_NAME`	モデル内の特徴の名前
`VALUE`	マトリックスの入力値
`VARIANCE`	コンポーネントに記述された分散値。この列は、`dbms_data_mining.svds_scoring_mode`が`dbms_data_mining.svds_scoring_pca`に設定されているSVDにのみ存在しますこの列は、手動で、または`dbms_data_mining.prep_auto`の`dbms_data_mining.prep_auto_on`への設定により、作成データが中央にある場合のみNull以外になります。
`PCT_CUM_VARIANCE`	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、`dbms_data_mining.svds_scoring_mode`が`dbms_data_mining.svds_scoring_pca`に設定されているSVDにのみ存在しますこの列は、手動で、または`dbms_data_mining.prep_auto`の`dbms_data_mining.prep_auto_on`への設定により、作成データが中央にある場合のみNull以外になります。

特異値分解Vマトリックス・ビュー(DM$VVmodel_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
`PARTITION_NAME`	パーティション化されたモデルのパーティション名
`FEATURE_ID`	モデル内の特徴のID
`FEATURE_NAME`	モデル内の特徴の名前
`ATTRIBUTE_NAME`	列名
`ATTRIBUTE_SUBNAME`	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。
`ATTRIBUTE_VALUE`	質的属性値。量的属性の場合、`ATTRIBUTE_VALUE`はNULLです。
`VALUE`	マトリックスの入力値

特異値分解Uマトリックス・ビュー(DM$VUmodel_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
`PARTITION_NAME`	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`	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。
`FEATURE_ID`	モデル内の特徴のID
`FEATURE_NAME`	モデル内の特徴の名前
`VALUE`	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$VGmodel_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
`NUM_COMPONENTS`	モデルで生成される特徴(コンポーネント)の数
`NUM_ROWS`	構築で使用される行の合計数
`SUGGESTED_CUTOFF`	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。

関連トピック

Oracle Database PL/SQLパッケージ・プロシージャおよびタイプ・リファレンス

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。

MDLに使用可能なモデル・ビューは次のとおりです。

モデル・ビュー	説明
`DM$VA`model_name	属性評価
`DM$VB`model_name	自動データ準備のビニング
`DM$VG`model_name	グローバル名/値ペア
`DM$VS`model_name	計算済設定
`DM$VW`model_name	モデル構築アラート

属性評価ビュー(DM$VAmodel_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
`PARTITION_NAME`	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。この値は、ネストされていない列に対してはNULLです。
`ATTRIBUTE_IMPORTANCE_VALUE`	評価の値
`ATTRIBUTE_RANK`	評価に基づくランク

次の表では、MDLに固有のグローバル名/値ペア・ビュー(DM$VGmodel_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
`NUM_ROWS`	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
`PARTITION_NAME`	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`	属性名を指定します
`ATTRIBUTE_SUBNAME`	属性サブ名を指定します
`BIN_ID`	ビンID (またはビン識別子)
`LOWER_BIN_BOUNDARY`	量的ビンの下限
`UPPER_BIN_BOUNDARY`	量的ビンの上限
`ATTRIBUTE_VALUE`	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$VGmodel_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
`PARTITION_NAME`	パーティション化されたモデルのパーティション名
`NAME`	統計の名前
`NUMERIC_VALUE`	統計の量的値
`STRING_VALUE`	統計の質的値

モデル構築アラート・ビュー(DM$VWmodel_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
`PARTITION_NAME`	パーティション化されたモデルのパーティション名
`ERROR_NUMBER`	エラー番号(イベントがエラーのとき有効)
`ERROR_TEXT`	エラー・メッセージ

計算済設定ビュー(DM$VSmodel_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
`PARTITION_NAME`	パーティション化されたモデルのパーティション名
`SETTING_NAME`	設定の名前
`SETTING_VALUE`	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
`PARTITION_NAME`	パーティション化されたモデルのパーティション
`ATTRIBUTE_NAME`	列名
`ATTRIBUTE_SUBNAME`	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。
`NUMERIC_MISSING_VALUE`	量的欠損値の置換
`CATEGORICAL_MISSING_VALUE`	質的欠損値の置換
`NORMALIZATION_SHIFT`	正規化シフト値
`NORMALIZATION_SCALE`	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。

ESMに使用可能なモデル・ビューは次のとおりです。

モデル・ディテール	説明
`DM$VG`model_name	グローバル名/値ペア
`DM$VP`model_name	指数平滑化予測
`DM$VS`model_name	計算済設定
`DM$VW`model_name	モデル構築アラート
`DM$VR`model_name	時系列回帰構築
`DM$VT`model_name	時系列回帰スコア

指数平滑化予測ビュー(DM$VPmodel_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$VGmodel_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。

モデルのタイプに応じて、グローバル診断には指数平滑法に関する次の項目の一部またはすべてが含まれます。

表6-251 ESMのグローバル名/値ペア・ビュー

名前	説明
`–2 LOG-LIKELIHOOD`	モデルの負の対数尤度
`ALPHA`	平滑化定数
`AIC`	赤池情報量規準
`AICC`	補正済赤池情報量規準
`AMSE`	ユーザー指定の時間ウィンドウの平均平方誤差
`BETA`	傾向の平滑化定数
`BIC`	ベイジアン情報量規準
`GAMMA`	季節性の平滑化定数
`INITIAL LEVEL`	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
`INITIAL SEASON i`	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
`INITIAL TREND`	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
`MAE`	平均絶対誤差のモデル
`MSE`	平均平方誤差のモデル
`PHI`	減衰パラメータ
`STD`	モデル標準誤差
`SIGMA`	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$VRmodel_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$VTmodel_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`	`NULL` (ターゲット・シリーズの将来値が観測されていないため)
`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$VXmodel_nameです。

テキストの特徴ビューDM$VXmodel_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
`PARTITION_NAME`	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
`COLUMN_NAME`	識別子列の名前
`TOKEN`	通常、単語または語幹であるテキスト・トークン
`DOCUMENT_FREQUENCY`	トレーニング・セット全体内のトークン頻度の測定基準