Du kan registrera och använda modeller från Oracle Machine Learning som finns i Oracle Database eller Oracle Autonomous Data Warehouse för att poängsätta data i Oracle Analytics. Använd dataflödesredigeraren för att tillämpa maskininlärningsmodeller på data.
Med Oracle Analytics kan du bygga in maskininlärning i dina applikationer utan datavetenskaplig expertis.
I Oracle Analytics kan du registrera och använda Oracle-maskininlärningsmodeller från Oracle Database eller Oracle Autonomous Data Warehouse.
Genom att använda modeller från Oracle Machine Learning med Oracle Analytics ökar du kraftigt den grad av prediktiv analys som du kan utföra på datamängder, eftersom data och modellen finns i databasen, datapoängsättningen utförs i databasen och den resulterande datamängden lagras i databasen. På så sätt kan du använda exekveringsmotorn från Oracle Machine Learning för att poängsätta stora datamängder.
I Oracle Analytics kan du registrera någon av databasens Oracle-maskininlärningsmodeller i utvinningsklasserna klassificering, regression, klustring, anomali eller funktionsextrahering som har skapats med API:n för Oracle Machine Learning for SQL (OML 4SQL). Din användarroll i Oracle Analytics och dina databasbehörigheter fastställer vilka modeller från Oracle Machine Learning som är tillgängliga för dig att registrera och använda.
Du kan även skapa förutsägelsemodeller i Oracle Analytics.
Modellerna från Oracle Machine Learning måste registreras i Oracle Analytics innan du kan använda dem för att förutsäga data. Du kan registrera och använda modeller som finns i datakällorna från Oracles databas eller Oracles autonoma datalager.
Du kan få åtkomst till och granska information om modellerna från Oracle Machine Learning som du registrerade i Oracle Analytics.
Detaljinformationen för en Oracle-maskininlärningsmodell hjälper dig förstå modellen och avgöra om den är lämplig för förutsägelser av dina data. Modellinformationen innefattar modellklass, algoritm, indatakolumner, utdatakolumner och parametrar.
När en modell från Oracle Machine Learning skapas genereras vyer som innehåller särskild information och lagras i databasen. Använd Oracle Analytics för att få åtkomst till en lista över en modells vyer och skapa sedan datamängder som du kan använda för att visualisera informationen i vyerna.
actual_target_value
, predicted_target_value
och cost
.predicted_target_value
, actual_target_value
och node
.Varje vys namn är unikt, till exempel DM$VCDT_TEST. Formatet som används för att generera vynamn är DM$Valfabet_modellnamn där:
Mer information om vyer finns i dokumentationen för din version av Oracles databas.
Oracle Analytics tillhandahåller en lista över alla registrerade modellers vyer. Du kan dock endast få åtkomst till och visualisera vyer för Oracles databas 12c, utgåva 2 eller senare. Om du arbetar med en tidigare version av Oracles databas kan du inte använda Oracle Analytics för att få åtkomst till och visualisera vyer.
En registrerad modells vyer lagras i databasen, men du kan använda Oracle Analytics för att visa en lista över modellens vyer.
Obs!:
Du kan få åtkomst till och visualisera vyer för Oracles databas 12c, utgåva 2 eller senare. Om du arbetar med en tidigare version av Oracles databas finns inte de här vyerna i databasen och du kan inte använda Oracle Analytics för att få åtkomst till och visualisera dem.Visualisera någon av vyerna i en registrerad modell för att upptäcka information som hjälper dig att förstå och använda modellen.
Obs!:
Du kan få åtkomst till och visualisera vyer för Oracles databas 12c, utgåva 2 eller senare. Om du arbetar med en tidigare version av Oracles databas finns inte de här vyerna i databasen och du kan inte använda Oracle Analytics för att få åtkomst till och visualisera dem.