Az Oracle gépi tanulási modellek használata az Oracle Analytics szolgáltatásban

Az Oracle Database vagy az Oracle Autonomous Data Warehouse szolgáltatáson keresztül regisztrálhatja és használhatja az Oracle gépi tanulási modelljeit az Oracle Analytics adatainak értékelésére. Az adatfolyam-szerkesztő segítségével alkalmazza a gépi tanulási modelleket az adatokra.

Az Oracle Analytics lehetővé teszi, hogy adattudományi szakértelem nélkül is gépi tanulást építsen be az alkalmazásaiba.

Hogyan használhatom az Oracle gépi tanulási modelleket az Oracle Analytics alkalmazásban?

Az Oracle Analytics segítségével az Oracle Database vagy az Oracle Autonomous Data Warehouse szolgáltatáson keresztül regisztrálhatja és használhatja az Oracle gépi tanulási modelljeit.

Az Oracle gépi tanulási modellek és az Oracle Analytics együttes használata jelentősen növeli az előrejelző elemzés szintjét, amelyet az adatkészleteken tud végrehajtani. Ennek oka, hogy az adatok és a modell az adatbázisban található, az adatok pontozása az adatbázisban történik, és a rendszer a kapott adatkészletet az adatbázisban tárolja. Ez lehetővé teszi az Oracle gépi tanulási végrehajtó motorjának használatát nagy adatkészletek értékelésére.

Ezen adatbázis-adatforrásokon keresztül regisztrálhatja és használhatja az Oracle gépi tanulási modelljeit.
  • Oracle Autonomous Data Warehouse
  • Oracle Database

Az Oracle Analytics alkalmazásban az adatbázis bármelyik Oracle gépi tanulási modelljét regisztrálhatja azokban az adatbányászati osztályokban (Besorolás, Regresszió, Fürtképzés, Rendellenesség vagy Funkciókivonatolás), amelyeket az Oracle Machine Learning for SQL API (OML 4SQL) segítségével hoztak létre. Az Oracle Analytics felhasználói szerepköre és adatbázis-engedélyei meghatározzák azokat az Oracle gépi tanulási modelleket, amelyek elérhetők az Ön számára a regisztráláshoz és használathoz.

Előrejelző modelleket is létrehozhat az Oracle Analytics szolgáltatásban.

Az Oracle gépi tanulási modellek regisztrálása az Oracle Analytics szolgáltatásban

Az Oracle gépi tanulási modelleket regisztrálni kell az Oracle Analytics szolgáltatásban, mielőtt használhatná azokat az adatok előrejelzésére. Regisztrálhatja és használhatja az Oracle Database vagy az Oracle Autonomous Data Warehouse adatforrásaiban található modelleket.

  1. A Kezdőlapon kattintson az Oldalmenü, majd a Modell/függvény regisztrálása, végül a Gépi tanulási modellek elemre.
    Ez a beállítás a BI szolgáltatás rendszergazdája vagy DV tartalomkészítő szerepkörrel rendelkező felhasználók számára érhető el.
  2. Válasszon ki egy kapcsolatot az ML modell regisztrálása párbeszédpanelen.
    A Modell kijelölése regisztráláshoz párbeszédpanelen az adatbázis azon Oracle gépi tanulási modelljei fognak megjelenni az adatbányászati osztályokban (Besorolás, Regresszió, Fürtképzés, Rendellenesség vagy Funkciókivonatolás), amelyeket az Oracle Machine Learning for SQL API (OML 4SQL) segítségével hoztak létre.

    Ha szükséges, kattintson a Kapcsolat létrehozása elemre, hogy kapcsolatot létesítsen a használni kívánt Oracle gépi tanulási modellt tartalmazó Oracle Database vagy az Oracle Autonomous Data Warehouse adatforrással.

  3. A Modell kijelölése regisztráláshoz párbeszédpanelen kattintson a regisztrálni kívánt modellre, és tekintse meg a modell információit. Például a modell létrehozásához használt modellosztályt és algoritmust, a modell által előrejelzett célt, az oszlopokat, amelyeken a modell betanult, a modell-előrejelzéseket és a paramétereket.
  4. Kattintson a Regisztrálás lehetőségre.
  5. A Kezdőlapon kattintson a Navigátor A Navigátor megjelenítéséhez használt navigációs ikon gombra, majd a Gépi tanulás elemre, hogy megerősítse a modell sikeres importálását.

Regisztrált Oracle gépi tanulási modellek vizsgálata

Az Oracle Analytics alkalmazásban regisztrál Oracle gépi tanulási modelleket elérheti és áttekintheti.

Regisztrált modell adatainak megtekintése

Tekintse meg egy Oracle gépi tanulási modell részletes adatait, amelyek segítenek megérteni a modell használatát, és megállapítani, hogy a modell alkalmas-e az adatai előrejelzésére. A modell részletes adatai a következőket tartalmazzák: modellosztály, algoritmus, bemeneti oszlopok, kimeneti oszlopok és paraméterek.

A modell regisztrációjában a modell részletes adatai is szerepelnek. Ezek az adatok az Oracle Database vagy az Oracle Autonomous Data Warehouse szolgáltatástól származnak.
  1. A Kezdőlapon kattintson a Navigátor A Navigátor megjelenítéséhez használt navigációs ikon gombra, majd a Gépi tanulás elemre.
  2. Kattintson a Modellek lapfülre.

  3. Vigye az egérmutatót a megtekinteni kívánt modell fölé, kattintson a Műveletek elemre, majd válassza ki a Vizsgálat elemet.
  4. A modell adatainak megtekintéséhez kattintson a Részletek elemre.

Mik egy regisztrált modell nézetei?

Oracle gépi tanulási modell létrehozásakor a rendszer létrehozza a modellre jellemző adatokat tartalmazó nézeteket, és eltárolja azokat az adatbázisban. Az Oracle Analytics segítségével érje el a modell nézeteit, majd hozzon létre adatkészleteket, amelyek segítségével a nézetekben lévő adatokat megjelenítheti.

A nézetek a következő információkat tartalmazzák a regisztrált modellről: a modell statisztikai adatai, a célérték felosztása és az algoritmus beállításai. A létrehozott nézetek számát és típusát a modellre vonatkozó algoritmus határozza meg. Tehát a Naive Bayes algoritmussal létrehozott modell egy bizonyos nézetkészlettel rendelkezik, míg a Döntési fa algoritmussal létrehozott modell egy attól eltérő nézetkészlettel. Példák a Döntési fa modell számára létrehozott nézetekre:
  • Értékelési költségmátrix – A besorolási modellek értékelési költségmátrixát ismerteti. A nézet a következő értékeket tartalmazza: actual_target_value, predicted_target_value és cost.
  • Globális név-érték párok – A modellhez kapcsolódó általános statisztikai adatokat ismerteti, például: a modell kialakításában használt sorok száma és a konvergencia állapota.
  • Döntési fa statisztikája – A döntési fa egyedi csomópontjaihoz kapcsolódó statisztikát ismerteti A statisztika tartalmazza a csomópont adataihoz tartozó célhisztogramot is. A fa minden csomópontjánál a nézet a következőkről szóló információkat tartalmazza: predicted_target_value, actual_target_value és node támogatása.

Minden egyen nézetnek egyedi neve van, például DM$VCDT_TEST. A nézetnevek képzéséhez használt formátum: DM$VBetűk_Modellnév, ahol:

  • DM$V – A regisztrált modellből létrehozott nézetekre vonatkozó előtagot jelképezi.
  • Betűk – A kimeneti modell típusát tartalmazó értéket jelképez. Például a C azt jelzi, hogy a nézet típusa Értékelési költségmátrix, a G pedig azt, hogy a nézet típusa Globális név-érték pár.
  • Modellnév – A regisztrált Oracle gépi tanulási modell nevét és nézetét tartalmazza. Például: DT_TEST.

A nézetekkel kapcsolatos további információkat az Oracle adatbázis verziójára vonatkozó dokumentáció tartalmazza.

Az Oracle Analytics biztosítja a bármilyen regisztrált modell nézeteit tartalmazó listát. Azonban Ön csak az Oracle Database 12c 2-es vagy újabb kiadásaihoz tartozó nézeteket érheti el és jelenítheti meg. Ha az Oracle Database korábbi verzióját használja, akkor az Oracle Analytics segítségével nem érheti el és nem jelenítheti meg a nézeteket.

Regisztrált modell nézetlistájának megjelenítése

A regisztrált modell nézetei az adatbázisban vannak eltárolva, de az Oracle Analytics segítségével megjelenítheti a modell nézeteit tartalmazó listát.

A nézetek a következő információkat tartalmazzák: a modell mérete, beállításai és a modellben használt attribútumok. Ezeknek az információknak a segítségével jobban megértheti és felhasználhatja a modellt.

Megjegyzés:

Az Oracle Database 12c 2-es vagy újabb kiadásaihoz tartozó nézeteket érheti el és jelenítheti meg. Ha az Oracle Database korábbi verzióját használja, akkor ezek a nézetek nem szerepelnek az adatbázisban, ezért az Oracle Analytics segítségével nem érheti el és nem jelenítheti meg azokat.
  1. A Kezdőlapon kattintson a Navigátor A Navigátor megjelenítéséhez használt navigációs ikon gombra, majd a Gépi tanulás elemre.
  2. Kattintson a Modellek lapfülre.

  3. Vigye az egérmutatót a megtekinteni kívánt modell fölé, kattintson a Műveletek elemre, majd válassza ki a Vizsgálat elemet.
  4. A modell nézeteit tartalmazó lista megtekintéséhez kattintson a Kapcsolódó lapfülre.

Regisztrált Oracle gépi tanulási modell nézetének megjelenítése

Jelenítse meg a regisztrált modell bármennyi nézetét, hogy olyan információkat fedezhessen fel, amelyek segítségével jobban megértheti és felhasználhatja a modellt.

Megjegyzés:

Az Oracle Database 12c 2-es vagy újabb kiadásaihoz tartozó nézeteket érheti el és jelenítheti meg. Ha az Oracle Database korábbi verzióját használja, akkor ezek a nézetek nem szerepelnek az adatbázisban, ezért az Oracle Analytics segítségével nem érheti el és nem jelenítheti meg azokat.
Az adatkészlet létrehozásakor ismernie kell a modell nézetének nevét és az adatbázisséma nevét. A következő feladat segítségével megkeresheti ezeket a neveket, létrehozhatja az adatkészletet és megjelenítheti a nézet adatait.
  1. A Kezdőlapon kattintson a Navigátor A Navigátor megjelenítéséhez használt navigációs ikon gombra, majd a Gépi tanulás elemre.
  2. Keresse meg a regisztrált gépi tanulási modellt, és kattintson a Műveletek, majd a Vizsgálat elemre.
  3. Kattintson a Részletek elemre, és győződjön meg róla, hogy kibontotta a Modell adatai szakaszt. Lépjen az Adatbázismodell tulajdonosa mezőre, és jegyezze fel az adatbázisséma nevét.
  4. Kattintson a Kapcsolódó elemre, majd keresse meg és jegyezze fel a nézet nevét. Kattintson a Bezárás gombra.
  5. A Kezdőlapon kattintson a Létrehozás gombra, majd az Adatkészlet elemre.
  6. Jelölje ki azt a kapcsolatot, amelyik a gépi tanulási modellt és a nézeteit tartalmazza.
  7. Az Adatkészlet-szerkesztőben keresse meg és kattintson rá arra az adatbázisséma-névre, amelyet a Részletek lapon talált.
  8. Válassza ki a Kapcsolódó lapon talált nézetet, majd az oszlopokra duplán kattintva adja hozzá őket az adatkészlethez. Kattintson a Hozzáadás gombra.
  9. Megjelenítések összeállításához kattintson a Munkafüzet létrehozása elemre.