Oracle Analytics予測モデルの作成および使用

Oracle Analytics予測モデルは、特定のアルゴリズムをデータセットに適用して、値の予測、クラスの予測またはデータ内のグループの識別を行います。

Oracle機械学習モデルは、データの予測にも使用できます。

Oracle Analyticsには、様々な目的のための予測モデルのトレーニングに役立つアルゴリズムが含まれます。アルゴリズムの例として、分類、回帰ツリー(CART)、ロジスティック回帰およびK平均法があります。

まず、データ・フロー・エディタを使用して、トレーニング・データセットでモデルをトレーニングします。予測モデルをトレーニングしたら、予測するデータセットに適用します。

トレーニングされたモデルは、他のユーザーに対して使用可能にでき、そのユーザーはこれをデータに適用し値を予測できます。場合によっては、特定のユーザーがモデルをトレーニングし、他のユーザーがモデルを適用します。

終了したモデルを使用して、未知、つまりラベル付けされていないデータをスコアリングしてデータ・フロー内でデータセットを生成したり、予測ビジュアライゼーションをワークブックに追加したりできます。

Oracle Analyticsは、機械言語のあらゆるモデリング・ニーズに対するアルゴリズム(数値、予測、多項分類子、二項分類子、クラスタリング)を提供しています。

オラクルの機械言語は、データ内で何を探しているかについてのアイデアを持ち、予測分析の慣習に精通し、アルゴリズム間の相違を理解している上級データ・アナリストを対象にしています。

通常、ユーザーは、複数の予測モデルを作成し、それらを比較して、基準および要件を満たす結果を出す可能性が最も高いモデルを選択します。この基準は様々です。たとえば、正確性が全体的に高いモデルを選択する、最低限タイプI (偽陽性)およびタイプII (偽陰性)エラーがあるモデルを選択する、または理想的ではないが結果が迅速に返され、その正確性が許容範囲であるモデルを選択する場合などがあります。

Oracle Analyticsには、予測または分類各種に対する複数の機械言語アルゴリズムがあります。これらのアルゴリズムを使用して、複数のモデルを作成する、微調整された様々なパラメータを使用する、または様々な入力トレーニング・データ・セットを使用するなどして、最適なモデルを選択します。ユーザーは、独自の基準に対してモデルを比較および検討し、最適なモデルを選択できます。ユーザーは、最適なモデルを選択するために、モデリングおよびビジュアル化の計算結果を適用して正確性を判断したり、Oracle Analyticsがモデルを使用して出力した関連データセットを開き探索したりできます。

この表を参照して、提供されているアルゴリズムについて学習します。

Oracle Autonomous Data Warehouseのデータを使用する場合、そのAutoML機能を使用して予測モデルの推奨およびトレーニングを行うことができます。AutoMLによってデータが分析され、使用する最善のアルゴリズムが計算され、データに関する予測を実行できるように予測モデルがOracle Analyticsに登録されます。

1. ホーム・ページで、「作成」をクリックし、「データ・フロー」をクリックします。
2. 「データセットの追加」で、分析するデータが含まれるOracle Autonomous Data Warehouseに基づいてデータセットを選択します。
3. 「ステップの追加」をクリックし、「AutoML」をクリックします。
4. 「ターゲット」で、「列の選択」をクリックし、予測しようとする値が含まれるデータ列を選択します。
   たとえば、従業員減少を予測する場合は、従業員が退社したかどうかを'TRUE'または'FALSE'で示すATTRITIONというフィールドを選択します。
   

   
   .pngの説明

   
   
5. Oracle Analyticsにより推奨されたタスク・タイプおよびモデル・ランキング・メトリックを受け入れるか、別のアルゴリズムを選択します。
6. 「モデルの保存」をクリックし、生成された予測モデルの名前を指定します。
7. 「保存」をクリックし、データ・フローの名前を指定します。
8. 「実行」をクリックして、データを分析し、予測モデルを生成します。
9. ホーム・ページから「ナビゲート」、「機械学習」の順にクリックし、生成されたモデルを右クリックして「検査」を選択します。

上級データ・アナリストは、予測モデルを作成およびトレーニングして、それらの使用によりOracle Machine Learningアルゴリズムをデプロイし、データセットのマイニング、ターゲット値の予測、またはレコードのクラスの識別を行うことができます。予測モデルの作成やトレーニング、データへの適用には、データ・フロー・エディタを使用します。

1. ホーム・ページで、「作成」をクリックし、「データ・フロー」を選択します。
2. モデルのトレーニングに使用するデータセットを選択します。「追加」をクリックします。
3. データ・フロー・エディタで、「ステップの追加」(+)をクリックします。
   データセットを追加したら、データセットのすべての列を使用してモデルを作成する、または関連する列のみを選択することができます。関連する列を選択するには、データセットを理解している必要があります。結果動作に影響しないことがわかっている列または重複する情報を含む列は無視します。「列の選択」ステップを追加することで、関連する列のみを選択できます。関連する列が不明な場合、すべての列を使用します。
4. モデルのトレーニング・ステップのいずれかを選択します(「数値予測のトレーニング」または 「クラスタリングのトレーニング」など)。
5. アルゴリズムを選択して「OK」をクリックします。
6. 予測または分類などの監視対象モデルを操作している場合、「ターゲット」をクリックして、予測しようとしている列を選択します。たとえば、個人の所得を予測するモデルを作成している場合、所得列を選択します。
   クラスタリングなどの監視対象外モデルを操作している場合、ターゲット列は必要ありません。
7. モデルのデフォルト設定を変更して、予測された結果の正確性を微調整し改善します。操作しているモデルにより、これらの設定が決定されます。
8. 「モデルの保存」ステップをクリックして、名前と説明を指定します。
9. 「保存」をクリックして、データ・フローの名前および説明を入力し、「OK」をクリックしてデータ・フローを保存します。
10. 「データ・フローの実行」をクリックして、指定した入力データセットおよびモデル設定に基づいて予測モデルを作成します。

予測モデルを作成し、データ・フローを実行すると、モデルに関する情報を確認して、その正確性を判断できます。この情報を使用して、モデルの設定を繰り返し調整することで、その正確性を向上させ、より質の高い結果を予測します。

ワークブックでシナリオを作成する際に、予測モデルをワークブックのデータセットに適用し、設計されたモデルによって検出されるトレンドおよびパターンを明らかにします。

1. ホーム・ページで、「作成」、「ワークブック」の順にクリックします。
2. ワークブックの作成に使用するデータセットを選択し、「ワークブックに追加」をクリックします。
3. 「データ」ペインで、「追加」をクリックし、「シナリオの作成」を選択します。
4. 「シナリオの作成 - モデルの選択」ダイアログで、モデルを選択して「OK」をクリックします。
   適用できるのは予測モデルのみです。Oracle機械学習モデルは適用できません。
   各モデルの入力がデータ要素に一致しない場合、「モデルへのデータのマップ」ダイアログが表示されます。
5. 「モデルへのデータのマップ」ダイアログが表示された場合、「データセット」フィールドで、モデルで使用するデータセットを選択します。
6. 必要に応じて、モデル入力とデータ要素を照合します。「完了」をクリックします。
   シナリオが、「データ要素」ペインにデータセットとして表示されます。
7. 要素をデータセットおよびモデルから「ビジュアル化」キャンバスにドラッグ・アンド・ドロップします。
8. シナリオを調整するには、「データ要素」ペインでシナリオを右クリックし、「シナリオの編集」を選択します。
9. 必要に応じて、データセットを変更し、モデル入力およびデータ要素マッピングを更新します。
10. 「保存」をクリックしてワークブックを保存します。