Oracle Machine Learning-Modelle in Oracle Analytics verwenden

Sie können Oracle Machine Learning-Modelle über Oracle Database oder Oracle Autonomous Data Warehouse registrieren und für das Scoring von Daten in Oracle Analytics verwenden. Mit dem Datenflusseditor können Sie die Modelle des maschinellen Lernens auf Ihre Daten anwenden.

Mit Oracle Analytics können Sie maschinelles Lernen ohne Data-Scientist-Fachkenntnisse in Ihre Anwendungen integrieren.

Themen:

Wie verwende ich Oracle Machine Learning-Modelle in Oracle Analytics?

In Oracle Analytics können Sie Oracle Machine Learning-Modelle von Oracle Database oder Oracle Autonomous Data Warehouse registrieren und verwenden.

Mit Oracle Machine Learning-Modellen und Oracle Analytics können Sie das Niveau von Vorhersageanalysen, die Sie an Datasets durchführen, erheblich verbessern, da sich sowohl die Daten als auch das Modell in der Datenbank befinden. Das Scoring der Daten wird in der Datenbank durchgeführt, und das daraus resultierende Dataset wird in der Datenbank gespeichert. So können Sie mit der Ausführungs-Engine von Oracle Machine Learning auch große Datasets bewerten.

Sie können Oracle Machine Learning-Modelle aus den folgenden Datenbankdatenquellen registrieren:

Oracle Autonomous Data Warehouse
Oracle Database

In Oracle Analytics können Sie beliebige Oracle Machine Learning-Modelle der Datenbank in den Mining-Klassen "Klassifizierung", "Regression", "Clustering", "Anomalie" oder "Featureextraktion" registrieren, die mit der Oracle Machine Learning for SQL-API (OML 4SQL) erstellt wurden. Ihre Oracle Analytics-Benutzerrolle und Ihre Datenbankberechtigungen bestimmen, welche Oracle Machine Learning-Modelle Sie registrieren und verwenden können.

Sie können auch Vorhersagemodelle in Oracle Analytics erstellen.

Oracle Machine Learning-Modelle in Oracle Analytics registrieren

Die Oracle Machine Learning-Modelle müssen in Oracle Analytics registriert werden, bevor Sie mit ihnen Daten vorhersagen können. Sie können Modelle in Oracle Database- oder Oracle Autonomous Data Warehouse-Datenquellen registrieren und verwenden.

Klicken Sie auf der Homepage auf Seitenmenü, Modell/Funktion registrieren, Modelle zum maschinellen Lernen.
Diese Option ist nur für Benutzer mit der Rolle "BI Service Administrator" oder "DV Content Author" verfügbar.
Wählen Sie im Dialogfeld "ML-Modell registrieren" eine Verbindung aus.
Im Dialogfeld "Wählen Sie ein zu registrierendes Modell aus" werden die Oracle Machine Learning-Modelle der Datenbank in den Mining-Klassen "Klassifizierung", "Regression", "Clustering", "Anomalie" oder "Featureextraktion" angezeigt, die mit der Oracle Machine Learning for SQL-API (OML 4SQL) erstellt wurden.
Klicken Sie gegebenenfalls auf Verbindung erstellen, um eine Verbindung zur Oracle Database- oder Oracle Autonomous Data Warehouse-Datenquelle zu erstellen, die das gewünschte Oracle Machine Learning-Modell enthält.
Klicken Sie im Dialogfeld "Wählen Sie ein zu registrierendes Modell aus" auf das Modell, das Sie registrieren möchten, und prüfen Sie die zugehörigen Informationen. Beispiel: Die Modellklasse und der Algorithmus, mit denen das Modell erstellt wurde, das vom Modell vorhergesagte Ziel, die Spalten, für die das Modell trainiert wurde, Modellvorhersagen und Parameter.
Klicken Sie auf Registrieren.
Klicken Sie auf der Homepage auf Navigator und dann auf Maschinelles Lernen, um das erfolgreiche Importieren des Modells zu bestätigen.

Registrierte Oracle Machine Learning-Modelle prüfen

Sie können Informationen zu den Oracle Machine Learning-Modellen anzeigen, die Sie in Oracle Analytics registriert haben.

Themen:

Details zu einem registrierten Modell anzeigen

Wenn Sie die Detailinformationen zu einem Oracle Machine Learning-Modell anzeigen, können Sie das Modell besser verstehen und erkennen, ob es für das Vorhersagen Ihrer Daten geeignet ist. Zu den Modelldetails gehören Modellklasse, Algorithmus, Eingabe- und Ausgabespalten sowie Parameter.

Beim Registrieren eines Modells werden die zugehörigen Detailinformationen aufgenommen. Diese Informationen werden aus Oracle Database oder Oracle Autonomous Data Warehouse abgerufen.

Klicken Sie auf der Homepage auf Navigator und dann auf Maschinelles Lernen.
Klicken Sie auf die Registerkarte Modelle.

.png
Zeigen Sie mit der Maustaste auf das Modell, das Sie anzeigen möchten, klicken Sie auf Aktionen, und wählen Sie Prüfen aus.
Klicken Sie auf Details, um die Informationen zum Modell anzuzeigen.

Was sind Ansichten eines registrierten Modells?

Beim Erstellen eines Oracle Machine Learning-Modells werden Ansichten mit spezifischen Informationen zum Modell generiert und in der Datenbank gespeichert. In Oracle Analytics können Sie auf eine Liste der Modellansichten zugreifen und Datasets erstellen, mit denen Sie die Informationen in diesen Ansichten visualisieren können.

Ansichten enthalten Informationen zum registrierten Modell, wie Modellstatistiken, Zielwertverteilung und Algorithmuseinstellungen. Die Anzahl und die Art der erstellten Ansichten werden durch den Algorithmus des Modells bestimmt. Beispiel: Ein Modell, das mit dem Naive Bayes-Algorithmus erstellt wurde, enthält ein Set von Ansichten, während ein Modell, das mit dem Entscheidungsbaumalgorithmus erstellt wurde, ein anderes Set von Ansichten enthält. Beispiele für einige Ansichten, die für ein Entscheidungsbaummodell generiert werden, sind:

Scoringkostenmatrix: Beschreibt die Scoringmatrix für Klassifizierungsmodelle. Die Ansicht enthält actual_target_value, predicted_target_value und cost.
Globale Name/Wert-Paare: Beschreibt globale Statistiken in Bezug auf das Modell, wie Anzahl der verwendete Zeilen im Modell-Build und Konvergenzstatus.
Entscheidungsbaumstatistik: Beschreibt die Statistiken, die mit einzelnen Knoten im Entscheidungsbaum verknüpft sind. Zu den Statistiken gehört ein Zielhistogramm für die Daten im Knoten. Diese Ansicht enthält für jeden Knoten im Baum Informationen zu predicted_target_value-, actual_target_value- und node-Unterstützung.

Jeder Ansicht ist ein eindeutiger Name zugeordnet. Beispiel: DM$VCDT_TEST. Beim Generieren der Ansichtsnamen wird das Format DM$VBuchstabe_Modellname verwendet. Dabei gilt Folgendes:

DM$V: Ist ein Präfix für Ansichten, die aus einem registrierten Modell generiert wurden.
Buchstabe: Steht für einen Wert, der den Typ des Ausgabemodells angibt. Beispiel: "C" steht für den Ansichtstyp "Scoringkostenmatrix", und "G" steht für den Ansichtstyp "Globales Name/Wert-Paar".
Modellname: Enthält den Namen des registrierten Oracle Machine Learning-Modells und der zugehörigen Ansicht. Beispiel: DT_TEST.

Weitere Informationen zu Ansichten finden Sie in der Dokumentation für Ihre Oracle-Datenbankversion.

Oracle Analytics stellt eine Liste der registrierten Modellansichten bereit. Allerdings können Sie nur auf Ansichten für Oracle Database 12c Release 2 oder höher zugreifen und diese visualisieren. Wenn Sie mit einer früheren Version von Oracle Database arbeiten, können Sie nicht mit Oracle Analytics auf diese Ansichten zugreifen und sie visualisieren.

Liste der registrierten Modellansichten anzeigen

Die Ansichten eines registrierten Modells werden in der Datenbank gespeichert. Sie können in Oracle Analytics jedoch eine Liste der Modellansichten anzeigen.

Ansichten enthalten Informationen, wie Größe, Einstellungen und Attribute eines Modells. Mithilfe dieser Informationen können Sie das Modell besser verstehen und nutzen.

Hinweis:

Sie können auf Ansichten für Oracle Database 12c Release 2 oder höher zugreifen und diese visualisieren. Wenn Sie mit einer früheren Version von Oracle Database arbeiten, sind diese Ansichten nicht in der Datenbank vorhanden, d.h. Sie können nicht mit Oracle Analytics auf diese Ansichten zugreifen und sie visualisieren.

Klicken Sie auf der Homepage auf Navigator und dann auf Maschinelles Lernen.
Klicken Sie auf die Registerkarte Modelle.

.png
Zeigen Sie mit der Maustaste auf das Modell, das Sie anzeigen möchten, klicken Sie auf Aktionen, und wählen Sie Prüfen aus.
Klicken Sie auf die Registerkarte Zugehörig, um die Ansichten des Modells aufzulisten.

Registrierte Oracle Machine Learning-Modellansicht visualisieren

Visualisieren Sie eine registrierte Modellansicht, um Informationen zu erhalten, mit denen Sie das Modell besser verstehen und nutzen können.

Hinweis:

Beim Erstellen des Datasets müssen Sie den Namen der Modellansicht und den Namen des Datenbankschemas kennen. Führen Sie die folgenden Schritte aus, um diese Namen zu finden, das Dataset zu erstellen und die Informationen in der Ansicht zu visualisieren.

Klicken Sie auf der Homepage auf Navigator und dann auf Maschinelles Lernen.
Suchen Sie das registrierte Modell für maschinelles Lernen, und klicken Sie auf Aktionen, Prüfen.
Klicken Sie auf Details, und stellen Sie sicher, dass der Abschnitt Modellinformationen eingeblendet ist. Navigieren Sie zum Feld DB-Modelleigentümer, und notieren Sie sich den Namen des Datenbankschemas.
Klicken Sie auf Zugehörig. Suchen Sie den Namen der Ansicht, und notieren Sie ihn. Klicken Sie auf Schließen.
Klicken Sie auf der Homepage auf Erstellen und dann auf Dataset.
Wählen Sie die Verbindung aus, die das Modell für maschinelles Lernen und die zugehörigen Ansichten enthält.
Suchen Sie im Dataset-Editor nach dem Datenbankschemanamen, den Sie auf der Registerkarte Details gefunden haben, und klicken Sie darauf.
Wählen Sie die Ansicht aus, nach der Sie auf der Registerkarte Zugehörig gesucht haben. Doppelklicken Sie auf die Spalten, um sie dem Dataset hinzuzufügen. Klicken Sie auf Hinzufügen.
Klicken Sie auf Arbeitsmappe erstellen, um Visualisierungen zu erstellen.