Du kan registrere og bruge Oracle-modeller til maskinel indlæring fra Oracle Database eller Oracle Autonomous Data Warehouse på data i Oracle Analytics. Brug datafloweditoren, når du skal anvende modellerne til maskinel indlæring på dine data.
Oracle Analytics gør det muligt for dig at bygge maskinel indlæring ind i dine applikationer, uden at du behøver at være dataekspert.
Med Oracle Analytics kan du registrere og bruge Oracle-modeller til maskinel indlæring fra Oracle Database eller Oracle Autonomous Data Warehouse.
Brug af Oracle-modeller til maskinel indlæring sammen med Oracle Analytics øger i høj grad niveauet for forudsigelsesanalyser, som du kan udføre på datasæt, fordi dataene og modellen findes i databasen, anvendelsen af modeller på data udføres i databasen, og det resulterende datasæt gemmes i databasen. Dette gør det muligt for dig at bruge Oracle-udførelsesprogrammet til maskinel indlæring, når du skal anvende store datasæt.
I Oracle Analytics kan du registrere en hvilken som helst af databasens Oracle-modeller til maskinel indlæring i mining-klasserne Klassificering, Regression, Klynger, Anomali eller Funktionsudtrækning, der blev oprettet ved hjælp af Oracle Machine Learning for SQL API (OML 4SQL). Din Oracle Analytics-brugerrolle og dine databasetilladelser bestemmer, hvilke Oracle-modeller til maskinel indlæring du kan registrere og bruge.
Du kan også oprette forudsigelsesmodeller i Oracle Analytics.
Oracle-modellerne til maskinel indlæring skal registreres i Oracle Analytics, før du kan bruge dem til at forudsige data. Du kan registrere og bruge modeller, der findes i din Oracle-database eller dine Oracle Autonomous Data Warehouse-datakilder.
Du kan oprette adgang til og gennemse oplysninger om Oracle-modeller til maskinel indlæring, som du har registreret i Oracle Analytics.
Du kan se detaljerede oplysninger om en Oracle-model til maskinel indlæring for at få hjælp til at forstå modellen og bestemme, om den er egnet til forudsigelse af dine data. Modellens detaljer indeholder dens modelklasse, algoritme, inputkolonner, outputkolonner og parametre.
Når en Oracle-model til maskinel indlæring er oprettet, bliver visninger, der indeholder specifikke oplysninger om modellen, genereret og gemt i databasen. Brug Oracle Analytics til at oprette adgang til en liste over en models visninger, og opbyg derefter datasæt, som du kan bruge til at visualisere oplysningerne i visningerne.
actual_target_value
, predicted_target_value
og cost
.predicted_target_value
, actual_target_value
og node
for hver node i træet.Navnene på de enkelte visninger er entydige, for eksempel DM$VCDT_TEST. Det format, der bruges til at generere visningsnavne, er DM$VAlfabet_Modelnavn, hvor:
Se dokumentationen til din Oracle-databaseversion for at få flere oplysninger om visninger.
Oracle Analytics indeholder en liste over eventuelle registrerede modellers visninger. Du kan dog kun oprette adgang til og visualisere visninger for Oracle Database 12c Release 2 eller nyere. Hvis du arbejder med en tidligere version af Oracle Database, kan du ikke bruge Oracle Analytics til at oprette adgang til og visualisere visninger.
En registreret models visninger gemmes i databasen, men du kan bruge Oracle Analytics til at se en liste over modellens visninger.
Bemærk:
Du kan oprette adgang til og visualisere visninger for Oracle Database 12c Release 2 eller nyere. Hvis du arbejder med en tidligere version af Oracle Database, findes disse visninger ikke i databasen, så du kan ikke bruge Oracle Analytics til at oprette adgang til og visualisere dem.Visualiser en hvilken som helst af en registreret models visninger for at finde oplysninger, der gør det nemmere at forstå og udnytte modellen.
Bemærk:
Du kan oprette adgang til og visualisere visninger for Oracle Database 12c Release 2 eller nyere. Hvis du arbejder med en tidligere version af Oracle Database, findes disse visninger ikke i databasen, så du kan ikke bruge Oracle Analytics til at oprette adgang til og visualisere dem.