PREDICTION

構文

prediction_cost::=

図prediction_cost.epsの説明

prediction_cost_ordered::=

図prediction_cost_ordered.epsの説明

分析構文

prediction_cost_analytic::=

図prediction_cost_analytic.epsの説明

cost_matrix_clause::=

図cost_matrix_clause.epsの説明

mining_attribute_clause::=

図mining_attribute_clause.epsの説明

mining_analytic_clause::=

図mining_analytic_clause.epsの説明

関連項目:

mining_analytic_clauseの構文、セマンティクスおよび制限事項の詳細は、「分析ファンクション」を参照してください。

目的

PREDICTION_COSTは、選択内に含まれる各行のコストを返します。コストは、最もコストが低いクラスまたは指定されたclassを参照します。コストは、BINARY_DOUBLEとして返されます。

PREDICTION_COSTでは、分類または異常検出を実行できます。分類の場合、返されるコストは予測されたターゲット・クラスを参照します。異常検出の場合、返されるコストは分類1(通常の行)または0(異常な行)を参照します。

PREDICTION_COSTとPREDICTIONファンクションを組み合せて使用すると、予測とその予測のコストを取得できます。

cost_matrix_clause

コストは、最も悪影響を及ぼす誤分類を最小化するためのバイアス係数です。たとえば、偽陽性は、偽陰性よりもコストが高いとみなされることがあります。コストは、モデルに関連付けられるコスト・マトリックスで指定するか、VALUES句にインラインで定義します。すべての分類アルゴリズムは、スコアリングに影響するようにコストを使用できます。

コストを使用してモデルの作成に影響を与えられるアルゴリズムは、デシジョン・ツリーのみです。デシジョン・ツリー・モデルの作成に使用したコスト・マトリックスは、そのモデルに対するデフォルトのスコアリング・マトリックスにもなります。

次のコスト・マトリックス表では、1に誤分類すると、0に誤分類するよりもコストが5倍かかることを示しています。

ACTUAL_TARGET_VALUE PREDICTED_TARGET_VALUE       COST
------------------- ---------------------- ----------
                  0                      0          0
                  0                      1          1
                  1                      0          5
                  1                      1          0

cost_matrix_clauseの指定内容は、次のとおりです。

COST MODELは、モデルに関連付けられたコスト・マトリックスを考慮して、スコアリングする必要があることを示します。コスト・マトリックスが存在しない場合、このファンクションはエラーを返します。
COST MODEL AUTOは、コスト・マトリックスが存在するかどうか不明なことを示します。コスト・マトリックスが存在する場合、このファンクションはコスト・マトリックスを使用して、コストが最小の予測を返します。それ以外の場合、このファンクションは、最も高確率の予測を返します。
VALUES句では、class_valueにインラインのコスト・マトリックスを指定します。たとえば、1に誤分類すると、0に誤分類するよりも5倍コストがかかることを、次のように指定できます。
```
   PREDICTION (nb_model COST (0,1) VALUES ((0, 1),(1, 5)) USING *)
```
スコアリングのコスト・マトリックスがあるモデルを起動するときに、インラインのコスト・マトリックスを指定すると、インラインのコスト・マトリックスが使用されます。

関連項目:

コスト重視の予測の詳細は、Oracle Machine Learning for SQLユーザーズ・ガイドを参照してください。

構文の選択

PREDICTION_COSTは、データにマイニング・モデル・オブジェクトを適用することでデータにスコアを付けます。または、1つ以上の一時マイニング・モデルを作成して適用する分析句を実行して、動的にデータをマイニングします。構文または分析構文を選択します。

構文: 事前に定義されたモデルでデータにスコアを付ける場合は、prediction_cost構文を使用します。分類または異常検出を実行するモデルの名前を指定します。

MSET-SPRTモデルなど、順序付けされたデータを必要とするモデルには、prediction_cost_ordered構文を使用します。prediction_cost_ordered構文には、order_by_clause句が必要です。

prediction_cost_ordered構文の制限事項は、問合せのWHERE句で使用できないことです。また、query_partition_clauseやwindowing_clauseをprediction_ordered構文とともに使用することはできません。
分析構文: 事前定義されたモデルなしで、データにスコアを付ける場合は、分析構文を使用します。分析構文は、mining_analytic_clauseを使用します。これは、複数のモデル構築のためにデータをパーティション化する必要がある場合に指定します。mining_analytic_clauseは、query_partition_clauseとorder_by_clauseをサポートします。(「analytic_clause::=」を参照)
- 分類の場合は、FOR exprを指定します。exprは、文字データ型のターゲット列を特定する式です。
- 異常検出の場合は、キーワードOF ANOMALYを指定します。

PREDICTION_COSTファンクションの構文では、パーティション化されたモデルをスコアリングするときに、オプションのGROUPINGヒントを使用できます。「GROUPINGヒント」を参照してください。

mining_attribute_clause

mining_attribute_clauseは、スコアの予測子として使用する列の属性を特定します。このファンクションが分析構文で起動された場合は、これらの予測子が一時モデルの構築にも使用されます。mining_attribute_clauseは、PREDICTIONファンクションと同様に動作します。(「mining_attribute_clause::=」を参照)