Для оценки данных в Oracle Analytics можно зарегистрировать и использовать модели машинного обучения Oracle из Oracle Database или Oracle Autonomous Data Warehouse. Для применения моделей машинного обучения к вашим данным используйте редактор потоков данных.
Oracle Analytics позволяет встраивать машинное обучение в свои приложения без экспертных знаний в области аналитики данных.
Oracle Analytics позволяет регистрировать и использовать модели Oracle с поддержкой машинного обучения из Oracle Database или Oracle Autonomous Data Warehouse.
Использование моделей машинного обучения Oracle с Oracle Analytics значительно повышает уровень прогнозной аналитики, которую можно выполнять на наборах данных, поскольку данные и модель находятся в базе данных, оценка данных выполняется в базе данных, и итоговый набор данных сохраняется в этой базе данных. Это позволяет использовать механизм выполнения машинного обучения Oracle для оценки больших наборов данных.
В Oracle Analytics можно зарегистрировать любую модель машинного обучения Oracle базы данных в классах интеллектуального анализа данных: классификация, регрессия, кластеризация, аномалия или извлечение элементов, созданных с помощью API-интерфейса Oracle Machine Learning for SQL (OML 4SQL). Роль пользователя Oracle Analytics и разрешения базы данных определяют модели машинного обучения Oracle, доступные для регистрации и использования.
В Oracle Analytics можно также создавать модели с предсказанием.
Чтобы можно было использовать модели машинного обучения Oracle для прогнозирования данных, необходимо сначала зарегистрировать эти модели в Oracle Analytics. Можно регистрировать и использовать модели, которые постоянно хранятся в источниках данных Oracle Database или Oracle Autonomous Data Warehouse.
Информация о моделях машинного обучения Oracle, зарегистрированных вами в Oracle Analytics, открыта вам для доступа и просмотра.
Просмотрите подробную информацию о модели машинного обучения Oracle, чтобы получить общее представление о модели и определить, подходит ли она для прогнозирования данных. Сведения о модели включают в себя класс модели, алгоритм, входные столбцы, выходные столбцы и параметры.
При создании модели машинного обучения Oracle в базе данных создаются и сохраняются представления с конкретной информацией о модели. Используйте Oracle Analytics для доступа к списку представлений модели, а затем создайте наборы данных, которые можно использовать для визуализации информации, содержащейся в представлениях.
actual_target_value
, predicted_target_value
и cost
.predicted_target_value
, actual_target_value
и node
.Имя каждого представления уникально, например DM$VCDT_TEST. При именовании представлений используется формат DM$VAlphabet_имя модели, где:
Дополнительные сведения о представлениях см. в документации к вашей версии Oracle Database.
Oracle Analytics предоставляет список всех представлений зарегистрированных моделей. Однако доступ и визуализация возможны для представлений в Oracle Database 12c выпуск 2 или более поздней версии. Если вы работаете с ранней версией Oracle Database, Oracle Analytics невозможно использовать для доступа к представлениям и их визуализации.
Представления зарегистрированной модели хранятся в базе данных, но для отображения списка представлений модели можно использовать Oracle Analytics.
Примечание.:
Доступ и визуализация возможны для представлений в Oracle Database 12c выпуск 2 или более поздней версии. Если вы работаете с более ранней версией Oracle Database, таких представлений в базе данных нет и вы не можете использовать Oracle Analytics для доступа к ним и визуализации.Визуализируйте все представления зарегистрированной модели, чтобы обнаружить информацию, которая поможет лучше понять и использовать модель.
Примечание.:
Доступ и визуализация возможны для представлений в Oracle Database 12c выпуск 2 или более поздней версии. Если вы работаете с более ранней версией Oracle Database, таких представлений в базе данных нет и вы не можете использовать Oracle Analytics для доступа к ним и визуализации.