9 インデータベース機械学習アルゴリズムへのアクセスを提供するOML4Pyクラス
OML4Pyには、データベース内Oracle Machine Learningアルゴリズムへのアクセスを提供するクラスが用意されています。
次の各トピックでこれらのクラスについて説明します。
- 機械学習のクラスとアルゴリズムについて
次に示すクラスは、データベース内機械学習アルゴリズムへのアクセスを提供します。 - モデルの設定について
モデルの特性に影響する設定を指定できます。 - 共有設定
次に示す設定は、すべてのOML4Py機械学習クラスに共通です。 - Oracle Machine Learning for Pythonモデルのエクスポート
Pythonからoml
モデルをエクスポートし、SQLでスコアリングできます。 - 自動データ準備
Oracle Machine Learning for Pythonでは、自動データ準備(ADP)とユーザーが指示する一般的なデータ準備がサポートされます。 - モデルの説明可能性
OML4Pyの説明可能性モジュールを使用して、トレーニングしたモデルの予測に影響する重要な特徴を識別します。 - 属性評価
oml.ai
クラスは相対的な属性評価を計算して、分類または回帰ターゲットの予測における重要度に従って属性をランク付けします。 - 相関ルール
oml.ar
クラスは、Aprioriアルゴリズムを実装することで、高頻度項目セットおよび相関ルールを検索します。これらはすべて、相関モデル・オブジェクトの一部です。 - デシジョン・ツリー
oml.dt
クラスは、分類にデシジョン・ツリー・アルゴリズムを使用します。 - 期待値の最大化
oml.em
クラスは、期待値の最大化(EM)アルゴリズムを使用してクラスタリング・モデルを作成します。 - 明示的セマンティック分析
oml.esa
クラスは、ドキュメントのコーパスからテキストベースの特徴を抽出し、ドキュメントの類似度比較を実行します。 - 一般化線形モデル
oml.glm
クラスは、一般化線形モデル(GLM)モデルを構築します。 - k-Means
oml.km
クラスはk-Means (KM)アルゴリズムを使用します。これは、指定した数のクラスタにデータをパーティション化する、距離ベースの階層クラスタリング・アルゴリズムです。 - Naive Bayes
oml.nb
クラスは、分類用のNaive Bayes (NB)モデルを作成します。 - ニューラル・ネットワーク
oml.nn
クラスは、分類および回帰用のニューラル・ネットワーク(NN)モデルを作成します。 - ランダム・フォレスト
oml.rf
クラスは、分類のためのアンサンブル学習手法を提供するランダム・フォレスト(RF)モデルを作成します。 - 特異値分解
oml.svd
クラスを使用して、特徴抽出用のモデルを構築します。 - サポート・ベクター・マシン
oml.svm
クラスは、分類、回帰または異常検出用のサポート・ベクター・マシン(SVM)モデルを作成します。 - Non-Negative Matrix Factorization
oml.nmf
クラスは、特徴抽出用にNon-Negative Matrix Factorization (NMF)モデルを作成します。 - 指数平滑法
oml.esm
関数は、指数平滑法(ESM)アルゴリズムを使用して時系列モデルを作成します。 - XGBoost
oml.xgb
クラスは、分類仕様、回帰仕様、ランク付けモデルおよび生存モデルのすべてについて、データベース内のスケーラブルな勾配ツリー・ブースティング・アルゴリズムをサポートしています。これによって、オープン・ソースの勾配ブースティング・フレームワークを利用できるようになります。これは、質的エンコーディングおよびOMLインフラストラクチャからの欠損値の置換を準備し、データベース内XGBoostをコールし、最上位クラスのデータベース・モデル・オブジェクトとしてモデルを構築および維持し、予測のためのモデルの使用をサポートします。