1. Utilisation de l'interface utilisateur d'Oracle Machine Learning sur Autonomous Database
  2. A propos d'Oracle Machine Learning Notebooks Classic

5 A propos d'Oracle Machine Learning Notebooks Classic

Un bloc-notes peut contenir de nombreux paragraphes. Un paragraphe est un composant de bloc-notes dans lequel vous pouvez écrire et exécuter des instructions SQL, des scripts PL/SQL, du code R et Python et des instructions conda. Vous pouvez exécuter des paragraphes individuellement ou tous les paragraphes d'un bloc-notes à l'aide d'un seul bouton.

Un paragraphe comporte une section d'entrée et une section de sortie. Dans la section d'entrée, indiquez l'interpréteur à exécuter avec le code ou le texte. Ces informations sont envoyées à l'interpréteur pour exécution. Dans la section Output, les résultats de l'interpréteur sont fournis.

La page Blocs-notes classiques répertorie tous les blocs-notes associés au projet sélectionné. Vous pouvez créer, modifier et exécuter vos blocs-notes ici.

Sur la page Blocs-notes - Classic, vous pouvez effectuer les tâches suivantes :

Figure 5-1 Page OML Notebooks Classic

Page OML Notebooks Classic

  • Accéder au bloc-notes OML : cliquez sur Accéder au bloc-notes OML pour accéder à la page Oracle Machine Learning Notebooks.

  • Créer : cliquez sur Créer pour créer un bloc-notes.

  • Modifier : cliquez sur une ligne de bloc-notes pour la sélectionner et cliquez sur Modifier. Vous pouvez modifier le nom du bloc-notes et ajouter des commentaires dans la boîte de dialogue Modifier le bloc-notes.

  • Supprimer : cliquez sur une ligne de bloc-notes pour la sélectionner et cliquez sur Supprimer.

  • Dupliquer : cliquez sur une ligne de bloc-notes pour la sélectionner, puis cliquez sur Dupliquer. Cela crée une copie d'un bloc-notes et la copie en double est répertoriée sur la page Bloc-notes avec le suffixe _1 dans le nom du bloc-notes.

  • Déplacer : sélectionnez un bloc-notes et cliquez sur Déplacer pour déplacer le bloc-notes vers un autre projet, dans le même espace de travail ou dans un autre. Vous devez disposer du privilège Administrator ou Developer pour déplacer des blocs-notes entre les projets et les espaces de travail. Vous pouvez déplacer des blocs-notes en cours d'exécution à partir de travaux car lorsque vous exécutez des blocs-notes à partir de travaux, une copie du bloc-notes est exécutée.

    Remarques :

    Un bloc-notes ne peut pas être déplacé s'il est à l'état RUNNING ou s'il existe déjà un bloc-notes du même nom dans le projet cible.
  • Copier : sélectionnez un bloc-notes et cliquez sur Copier pour copier le bloc-notes vers un autre projet, dans le même espace de travail ou dans un autre. Vous devez disposer du privilège Administrator ou Developer pour copier des blocs-notes dans différents projets et espaces de travail.

  • Enregistrer comme modèle : pour enregistrer un bloc-notes en tant que modèle, sélectionnez le bloc-notes et cliquez sur Enregistrer comme modèle. Dans la boîte de dialogue Enregistrer en tant que modèle, vous pouvez définir l'emplacement du modèle à enregistrer dans Personnel ou Partagé sous Modèles.

  • Importer : pour importer un bloc-notes en tant que fichiers .json, cliquez sur Importer. Sélectionnez le projet et l'espace de travail dans lesquels importer le bloc-notes.

  • Exporter : pour exporter un bloc-notes, cliquez sur Exporter. Vous pouvez exporter des blocs-notes au format Zeppelin ( .json ) et au format Jupyter ( .ipynb ), puis les importer ultérieurement dans le même environnement ou dans un environnement différent.

  • Version : pour créer des versions de bloc-notes, sélectionnez-les et cliquez sur Version. Vous pouvez tester votre bloc-notes en créant des versions et revenir à une version antérieure en cliquant sur Rétablir la version.

    Remarques :

    Vous pouvez également créer la version d'un bloc-notes en l'ouvrant, puis en cliquant sur l'option Gestion des versions Gestion des versions. Cette option vous permet de créer des versions, d'afficher l'historique des versions, de restaurer des versions antérieures et de supprimer toutes les versions antérieures du bloc-notes que vous avez ouvert.
  • Copier vers des blocs-notes OML : permet de copier les blocs-notes sélectionnés vers l'interface des blocs-notes à l'aide du nom d'origine avec le suffixe _new. Vous pouvez désormais accéder à ce bloc-notes en cliquant sur Blocs-notes dans le menu de navigation de gauche ou en cliquant sur Accéder aux blocs-notes OML dans l'angle supérieur droit de cette page.

  • Pour ouvrir un bloc-notes et l'exécuter, cliquez dessus. Le bloc-notes s'ouvre en mode Modifier.

Rubriques connexes

5.1 Créer un bloc-notes classique

Notebook Classic est une interface Web destinée à l'analyse, au repérage, à la visualisation et à la collaboration des données.

Chaque fois que vous créez un bloc-notes classique, il a une spécification de paramètres d'interpréteur. Le bloc-notes classique contient une liste interne de liaisons qui détermine l'ordre des liaisons d'interpréteur. Une classe Notebook Classic comprend des paragraphes qui constituent un composant de bloc-notes dans lequel vous pouvez écrire des instructions SQL, exécuter des scripts PL/SQL et exécuter des commandes Python. Un paragraphe comporte une section d'entrée et une section de sortie. Dans la section d'entrée, indiquez l'interpréteur à exécuter avec le texte. Ces informations sont envoyées à l'interpréteur pour exécution. Dans la section Output, les résultats de l'interpréteur sont fournis.
Pour créer une notebook classique, procédez comme suit :
  1. Sur la page d'accueil de l'interface utilisateur Oracle Machine Learning, cliquez sur Notebooks Classic. La page Blocs-notes classiques apparaît.
  2. Sur la page Blocs-notes classiques, cliquez sur Créer.
    La fenêtre Créer un bloc-notes s'affiche.
  3. Dans le champ Nom, indiquez le nom du bloc-notes.
  4. Dans le champ Comments, entrez des commentaires, le cas échéant.
  5. Cliquez sur OK.
Votre bloc-notes classique est créé et s'ouvre dans l'éditeur de bloc-notes. Vous pouvez maintenant l'utiliser pour exécuter des instructions SQL, des scripts PL/SQL, des commandes Python, R et Conda. Pour ce faire, indiquez l'une des directives suivantes dans la section d'entrée du paragraphe :
  • %sql : permet de se connecter à l'interpréteur SQL et d'exécuter des instructions SQL.
  • %script : permet de se connecter à l'interpréteur PL/SQL et d'exécuter des scripts PL/SQL.
  • %md : pour se connecter à l'interpréteur Markdown et générer du code HTML statique à partir du texte brut Markdown
  • %python : pour se connecter à l'interpréteur Python et exécuter des scripts Python
  • %r : permet de se connecter à l'interpréteur R et d'exécuter des scripts R.
  • %conda : permet de se connecter à l'interpréteur Conda et d'installer des bibliothèques Python et R tierces dans une session de bloc-notes.

Rubrique parent : A propos d'Oracle Machine Learning Notebooks Classic

5.2 Modifier votre bloc-notes classique

Lors de la création d'un bloc-notes OML Classic, il s'ouvre automatiquement et vous présente un seul paragraphe à l'aide de l'interpréteur %sql par défaut. Vous pouvez modifier l'interpréteur en spécifiant explicitement l'un des éléments suivants : %script, %python, %sql, %r, %md ou %conda.

Définissez le contexte d'un projet auquel votre bloc-notes est associé.
Vous pouvez modifier un bloc-notes classique existant dans votre projet. Pour modifier une classique de bloc-notes existante, procédez comme suit :
  1. Sur la page d'accueil de l'interface utilisateur Oracle Machine Learning, sélectionnez le projet dans lequel votre bloc-notes est disponible.
  2. Accédez au navigateur de l'interface utilisateur Oracle Machine Learning et sélectionnez Notebooks Classic. Tous les blocs-notes disponibles dans le projet sont répertoriés.
  3. Cliquez sur le bloc-notes à ouvrir et à modifier.
    Le bloc-notes sélectionné s'ouvre en mode Modification.
  4. En mode de modification, vous pouvez utiliser les options de la barre d'outils Oracle Machine Learning Notebooks Classic pour exécuter du code dans les paragraphes, pour les paramètres de configuration et les options d'affichage.

    Figure 5-2 Barre d'outils du bloc-notes

    Barre d'outils Notebooks Classic
    Vous pouvez effectuer les opérations suivantes :
    • Ecrire du code pour extraire des données
    • Cliquez sur exécuter pour exécuter un ou tous les paragraphes du bloc-notes.
    • Cliquez sur afficher masquer le code pour masquer tous les codes de tous les paragraphes du bloc-notes. Cliquez à nouveau dessus pour afficher les codes.
    • Cliquez sur afficher la sortie de masquage pour masquer toutes les sorties de tous les paragraphes du bloc-notes. Cliquez à nouveau dessus pour afficher les sorties.
    • Cliquez sur effacer la sortie pour enlever toutes les sorties de tous les paragraphes du bloc-notes. Pour afficher la sortie, cliquez à nouveau sur l'icône d'exécution.
    • Cliquez sur effacer le bloc-notes pour supprimer tous les paragraphes du bloc-notes.
    • Cliquez sur exporter le bloc-notes pour exporter le bloc-notes.
    • Cliquez sur rechercher du code pour rechercher des informations dans les codes présents dans le bloc-notes.
    • Cliquez sur raccourcis clavier pour afficher la liste des raccourcis clavier.
    • Cliquez sur liaisons d'interpréteur pour définir l'ordre des liaisons d'interpréteur pour le bloc-notes.
    • Cliquez sur options d'affichage du bloc-notes pour sélectionner l'une des trois options d'affichage du bloc-notes.
      • Cliquez sur Par défaut pour afficher les codes, la sortie et les métadonnées de tous les paragraphes du bloc-notes.
      • Cliquez sur Simple pour afficher uniquement le code et la sortie de tous les paragraphes du bloc-notes. Dans cette vue, la barre d'outils du bloc-notes et toutes les options de modification sont masquées. Vous devez passer le pointeur de la souris pour afficher les options de modification.
      • Cliquez sur Rapport pour afficher uniquement la sortie de tous les paragraphes du bloc-notes.
    • Cliquez sur modifier les options pour accéder aux options de modification propres aux paragraphes, telles que Effacer la sortie, Enlever le paragraphe, Ajuster la largeur, Taille de police, Exécuter tous les paragraphes au-dessus ou en dessous du paragraphe sélectionné, etc.
    • Ajoutez des formulaires dynamiques tels que le formulaire de saisie de texte, le formulaire de sélection, le formulaire de case à cocher pour faciliter la sélection des entrées et le filtrage des données dans votre bloc-notes. Oracle Machine Learning prend en charge les formes dynamiques Apache Zeppelin suivantes :

      • Formulaire de saisie de texte - Permet de créer un formulaire simple pour la saisie de texte.

      • Sélectionner un formulaire : permet de créer un formulaire contenant une plage de valeurs que l'utilisateur peut sélectionner.

      • Formulaire de case à cocher - Permet d'insérer des cases à cocher pour une sélection multiple d'entrées.

    Remarques :

    Les formulaires dynamiques Apache Zeppelin sont pris en charge uniquement sur les blocs-notes d'interpréteur SQL.
  5. Une fois que vous avez fini de modifier le bloc-notes, cliquez sur Précédent.
    Vous revenez ainsi à la page Blocs-notes classiques.
  • Export d'un bloc-notes
    Vous pouvez exporter un bloc-notes classique au format Zeppelin (.json) et au format Jupyter (.ipynb), puis les importer ultérieurement dans le même environnement ou dans un autre.
  • Import d'un bloc-notes
    Vous pouvez importer des blocs-notes dans des bases de données pluggables dans votre espace de travail. Vous pouvez également importer des blocs-notes Jupyter dans l'interface utilisateur Oracle Machine Learning.
  • Créer des formulaires de case à cocher dans des blocs-notes
    Le formulaire de case à cocher prend en charge la sélection multiple d'entrées dans un paragraphe. Les entrées sont disponibles en tant qu'options de case à cocher dans le bloc-notes.
  • Créer des formulaires de sélection dans des blocs-notes
    Le formulaire de sélection vous permet de sélectionner des valeurs d'entrée dans une liste de valeurs et d'extraire dynamiquement les valeurs sélectionnées telles que définies dans le paragraphe.
  • Créer des formulaires d'entrée de texte dans des blocs-notes
    Le formulaire d'entrée de texte vous permet d'extraire dynamiquement les valeurs telles que définies dans le bloc-notes.

Rubrique parent : A propos d'Oracle Machine Learning Notebooks Classic

5.2.1 Export d'un bloc-notes

Vous pouvez exporter un bloc-notes classique au format Zeppelin (.json) et au format Jupyter (.ipynb), puis les importer ultérieurement dans le même environnement ou dans un environnement différent.

Pour exporter un bloc-notes classique, procédez comme suit :
  1. Sur la page Blocs-notes classiques, sélectionnez les blocs-notes à exporter. Vous avez la possibilité d'exporter un ou plusieurs blocs-notes.
  2. Dans le panneau supérieur de l'éditeur de bloc-notes, cliquez sur Exporter, puis sur l'une des options suivantes :
    Formats de bloc-notes pris en charge pour l'export
    • Blocs-notes à exporter : pour exporter des blocs-notes, cliquez sur :
      • Tout : permet d'exporter tous les blocs-notes.
      • Sélectionné : permet d'exporter les blocs-notes sélectionnés.
    • Format : sélectionnez le format dans lequel exporter le bloc-notes :
      • Zeppelin : exporte le bloc-notes sous la forme d'un fichier .json (JavaScript Object Notation).
      • Jupyter : exporte le bloc-notes sous la forme d'un fichier .ipynb.
    Les blocs-notes exportés sont enregistrés en tant que fichiers .json ou .ipynb dans un dossier compressé.

Rubriques connexes

Rubrique parent : Modification de votre bloc-notes classique

5.2.2 Importer un bloc-notes

Vous pouvez importer des blocs-notes dans des bases de données pluggables dans votre espace de travail. Vous pouvez également importer des blocs-notes Jupyter dans l'interface utilisateur Oracle Machine Learning.

L'interface utilisateur d'Oracle Machine Learning prend en charge l'import des blocs-notes Zeppelin (.json) et Jupyter (.ipynb).

Remarques :

A partir d'Oracle Database 20c, "database" fait référence spécifiquement aux fichiers de données d'une base de données Conteneur colocative, d'une base de données pluggable ou d'un conteneur d'application.
Pour importer un bloc-notes, procédez comme suit :
  1. Sur la page d'accueil de l'interface utilisateur Oracle Machine Learning, cliquez sur Blocs-notes classiques.
  2. Dans la page Blocs-notes - Classic, cliquez sur Importer.
    Cette icône ouvre la boîte de dialogue Téléchargement de fichier. Recherchez et sélectionnez le bloc-notes à importer.

    Remarques :

    Le bloc-notes doit être enregistré en tant que fichier .json pour pouvoir l'importer. Vous pouvez importer des blocs-notes exportés à partir d'environnements autres qu'Oracle Apache Zeppelin, mais seuls les types de paragraphe pris en charge peuvent être exécutés.
  3. Dans la boîte de dialogue Téléchargement de fichier, sélectionnez le fichier .json et cliquez sur Ouvrir.
    Le fichier de bloc-notes est importé dans votre espace de travail.
  4. Cliquez sur le bloc-notes importé pour l'ouvrir. Dans la page Blocs-notes classiques, cliquez sur l'icône représentant une roue dentée pour afficher les liaisons d'interpréteur.

Rubriques connexes

Rubrique parent : Modification de votre bloc-notes classique

5.2.3 Créer des formulaires de case à cocher dans des blocs-notes

Le formulaire de case à cocher prend en charge la sélection multiple d'entrées dans un paragraphe. Les entrées sont disponibles en tant qu'options de case à cocher dans le bloc-notes.

Pour créer un formulaire de case à cocher :
  1. Ouvrez le bloc-notes dans lequel vous voulez ajouter le formulaire de case à cocher.
  2. Dans une instruction SQL, définissez le formulaire Case à cocher à l'aide de la syntaxe suivante :
    ${checkbox:formName=defaultValue1|defaultValue2...,option1|option2...}
    Par exemple, exécutez l'instruction SQL :
    SELECT ${checkbox:whichcolumn=OWNER|OBJECT_TYPE, OWNER|OBJECT_NAME|OBJECT_TYPE|CREATED|STATUS} FROM ALL_OBJECTS WHERE OBJECT_TYPE IN ('VIEW', 'TABLE', 'INDEX', 'SYNONYM');
    Dans cet exemple,
    • Le formulaire de case à cocher est WhichColumn
    • Les options de sélection multiples disponibles dans les cases à cocher sont OWNER, OBJECT_NAME, OBJECT_TYPE, CREATED et STATUS
    • Les champs OWNER et OBJECT_TYPE sont définis comme valeurs par défaut
    • Le nom de la table est ALL_OBJECTS
    • Les colonnes configurées pour l'affichage sont OWNER, OBJECT_NAME, OBJECT_TYPE, CREATED et STATUS
  3. Exécutez le bloc-notes. Le formulaire de case à cocher WhichForm est disponible dans le bloc-notes, comme illustré dans la capture d'écran.checkbox_form

Rubrique parent : Modification de votre bloc-notes classique

5.2.4 Créer des formulaires de sélection dans des blocs-notes

Le formulaire de sélection vous permet de sélectionner des valeurs d'entrée dans une liste de valeurs et d'extraire dynamiquement les valeurs sélectionnées telles que définies dans le paragraphe.

Pour créer un formulaire de sélection :
  1. Ouvrez le bloc-notes dans lequel vous voulez ajouter le formulaire de saisie de texte.
  2. Dans une instruction SQL, définissez le formulaire Select à l'aide de la syntaxe suivante :
    ${formName=defaultValue,option1|option2...}.
    Par exemple, exécutez l'instruction SQL :
    SELECT * FROM ALL_OBJECTS WHERE OBJECT_TYPE = '${OBJ=INDEX,INDEX|TABLE|VIEW|SYNONYM}';
    select_form
    Dans cet exemple,
    • Le nom du formulaire est obj
    • La liste des valeurs disponibles est INDEX, TABLE, VIEW, SYNONYM.
    • Le nom de la table est ALL_OBJECTS
    • Le nom de colonne est OBJECT_TYPE
    Sélectionnez n'importe quelle valeur dans la liste déroulante du formulaire obj. La valeur sélectionnée sera extraite dans la colonne OBJECT_TYPE de la table ALL_OBJECTS.

Rubrique parent : Modification de votre bloc-notes classique

5.2.5 Créer des formulaires d'entrée de texte dans des blocs-notes

Le formulaire Saisie de texte vous permet d'extraire dynamiquement les valeurs telles que définies dans le bloc-notes.

Pour créer un formulaire de saisie de texte :
  1. Ouvrez le bloc-notes dans lequel vous voulez ajouter le formulaire de saisie de texte.
  2. Dans une instruction SQL, définissez le formulaire d'entrée de texte à l'aide de la syntaxe suivante :
    ${formName}
    Par exemple, exécutez l'instruction SQL :
    SELECT * FROM ALL_OBJECTS WHERE OBJECT_TYPE = '${OBJ}';
    Dans cet exemple,
    • Le nom du formulaire est obj
    • Le nom de la table est ALL_OBJECTS
    • Le nom de colonne est OBJECT_TYPE
    Ici, le formulaire texte obj est créé pour la colonne OBJECT_TYPE de la table ALL_OBJECTS. Vous pouvez entrer différentes valeurs dans le champ de formulaire obj et exécuter le bloc-notes pour extraire les valeurs correspondantes dans la colonne OBJECT_TYPE.
  3. Exécutez le paragraphe. Le bloc-notes affiche désormais le champ de formulaire de saisie de texte obj, comme illustré dans la capture d'écran. Vous pouvez entrer des valeurs dans le champ obj et exécuter le bloc-notes afin d'extraire les valeurs correspondantes pour la colonne OBJECT_TYPE dans la table ALL_OBJECTS.
    • Si vous entrez TABLE dans le champ obj et que vous exécutez le bloc-notes, celui-ci extrait TABLE dans la colonne OBJECT_TYPE, comme illustré dans la capture d'écran.formulaire de saisie de texte avec table de types d'objet
    • Si vous entrez VIEW dans le champ de formulaire obj et que vous exécutez le bloc-notes, celui-ci extrait la valeur VIEW dans la colonne OBJECT_TYPE, comme illustré dans la capture d'écran. formulaire de saisie de texte avec vue de type d'objet
  4. Vous pouvez également affecter des valeurs par défaut dans le formulaire à l'aide de la syntaxe suivante :
    ${formName=defaultValue}
    Pour affecter une valeur par défaut au formulaire d'entrée de texte, modifiez l'instruction SQL en :
    SELECT * FROM ALL_OBJECTS WHERE OBJECT_TYPE = '${obj=TABLE}'
    Ici, la valeur par défaut affectée au formulaire est TABLE. Une fois le paragraphe exécuté, la valeur par défaut TABLE sera extraite dans la colonne OBJECT_TYPE, comme illustré dans la capture d'écran.
    formulaire de saisie de texte avec valeur par défaut

Rubrique parent : Modification de votre bloc-notes classique

5.3 Version d'un bloc-notes classique

Vous pouvez créer une version ou une sauvegarde d'un bloc-notes classique, l'expérimenter et revenir au bloc-notes d'origine, si nécessaire.

Pour gérer la version d'un ordinateur portable classique :
  1. Sur la page Blocs-notes classiques, sélectionnez le bloc-notes dont vous souhaitez créer la version, puis cliquez sur Version.
    La page Versions s'ouvre.
  2. Sur la page Versions du bloc-notes sélectionné, cliquez sur + Version.
    La boîte de dialogue Créer des versions apparaît.
  3. Dans la boîte de dialogue Créer des versions, entrez des commentaires pour la version spécifique du bloc-notes, puis cliquez sur OK.
  4. Le bloc-notes avec numéro de version est désormais répertorié sur la page Versions. Vous pouvez effectuer les opérations suivantes :
    • Cliquez sur + Version pour créer une autre version d'une version déjà existante du bloc-notes.
    • Cliquez sur Nouveau bloc-notes pour créer un bloc-notes à partir de la version de bloc-notes sélectionnée.
    • Cliquez sur Supprimer pour supprimer la version sélectionnée de votre bloc-notes.
    • Cliquez sur Restaurer la version pour restaurer l'ancienne version de votre bloc-notes.
    • Cliquez sur Retour aux blocs-notes pour accéder à la page Blocs-notes - Classique

Rubrique parent : A propos d'Oracle Machine Learning Notebooks Classic

5.4 Enregistrer des blocs-notes classiques en tant que modèles

Vous pouvez enregistrer un bloc-notes classique existant en tant que modèle dans Personnel ou dans Partagé.

Pour enregistrer un bloc-notes classique en tant que modèle :
  1. Sur la page Blocs-notes classiques, sélectionnez le bloc-notes à enregistrer en tant que modèle et cliquez sur Enregistrer en tant que modèle.
    La boîte de dialogue Enregistrer en tant que modèle apparaît.
  2. Dans le champ Nom, entrez le nom du modèle de bloc-notes.
  3. Dans le champ Comments, entrez des commentaires, le cas échéant.
  4. Dans le champ Balises, entrez les balises du modèle.
  5. Dans Enregistrer dans, sélectionnez :
    • Personnel : si vous voulez enregistrer ce modèle de bloc-notes dans Personnel de sorte que seul votre compte puisse afficher ou utiliser ce bloc-notes.
    • Partagé : si vous voulez enregistrer et partager ce modèle de bloc-notes afin que d'autres utilisateurs puissent visualiser et créer des blocs-notes à partir de ce modèle qu'ils peuvent exécuter et modifier.

Rubrique parent : A propos d'Oracle Machine Learning Notebooks Classic

5.5 Utiliser l'interpréteur SQL dans un paragraphe de bloc-notes

Un bloc-notes Oracle Machine Learning prend en charge plusieurs langues. Chaque paragraphe est associé à un interprète spécifique. Par exemple, pour exécuter des instructions SQL, utilisez l'interpréteur SQL. Pour exécuter des instructions PL/SQL, utilisez l'interpréteur script.

Dans un bloc-notes d'interface utilisateur Oracle Machine Learning, vous pouvez ajouter plusieurs paragraphes et chaque paragraphe peut être connecté à différents interpréteurs tels que SQL ou Python. Pour identifier l'interpréteur à utiliser, indiquez %, suivi de l'interpréteur à utiliser : sql, script, r, python, conda, markdown.

Un paragraphe comporte une section d'entrée et une section de sortie. Dans la section d'entrée, indiquez l'interpréteur à exécuter avec le texte. Ces informations sont envoyées à l'interpréteur pour exécution. Dans la section Output, les résultats de l'interpréteur sont fournis.
Vous pouvez utiliser les directives suivantes dans un paragraphe de bloc-notes :
  • %sql : prend en charge les instructions SQL standard. Dans %sql, les résultats d'une instruction SELECT sont affichés directement dans un visualiseur de tableau, avec accès à d'autres options de visualisation. Utilisez les options des paramètres du graphique pour effectuer des regroupements, une addition et d'autres opérations.
  • %script : prend en charge les instructions SQL et PL/SQL. Dans %script, les résultats d'une instruction SELECT sont fournis en tant que sortie de chaîne de texte.
  • %conda : prend en charge l'environnement conda. Saisissez %conda au début du paragraphe pour vous connecter à l'environnement Conda et utiliser des bibliothèques tierces pour Python.
  • %r : prend en charge les scripts R. Saisissez %r au début du paragraphe pour vous connecter à l'interpréteur R.
  • %python : prend en charge les scripts Python. Saisissez %python au début du paragraphe pour vous connecter à l'interpréteur Python.
  • %md : prend en charge le langage de balisage Markdown.

Remarques :

Pour exécuter un groupe par sur toutes les données, il est recommandé d'utiliser des scripts SQL pour effectuer le regroupement dans la base de données et de renvoyer les informations récapitulatives pour la documentation dans le bloc-notes. Le regroupement au niveau du bloc-notes fonctionne bien pour les petits ensembles de données. Si vous extrayez trop de données vers le bloc-notes, vous risquez de rencontrer des problèmes en raison d'une mémoire insuffisante. Vous pouvez définir la limite de ligne pour votre bloc-notes à l'aide de l'option Limite de ligne d'affichage sur la page Groupe de connexions.
Pour extraire et visualiser des données dans un bloc-notes, procédez comme suit :
  1. Sur la page Bloc-notes, cliquez sur le bloc-notes à exécuter.
    Le bloc-notes s'ouvre en mode Modification.
  2. Saisissez %SQL pour appeler l'interpréteur SQL, puis appuyez sur Entrée. Votre bloc-notes est maintenant prêt à exécuter des instructions SQL.
  3. Entrez l'instruction SQL pour extraire les données d'une base de données Oracle Database. Par exemple, saisissez SELECT * FROM TABLENAME et cliquez sur icône d'exécution. Vous pouvez également appuyer sur les touches Shift+Enter pour exécuter le bloc-notes.

    Remarques :

    Les blocs-notes doivent être ouverts en tant qu'utilisateur standard, c'est-à-dire en tant qu'utilisateur non administrateur. L'option Exécuter le bloc-notes n'est pas disponible pour l'administrateur.
    Cette opération extrait les données du bloc-notes.
  4. Les données s'affichent dans la sortie du paragraphe.
    Les résultats de l'interpréteur apparaissent dans la section de sortie. La section de sortie du paragraphe comprend un composant de documentation qui affiche les résultats sous forme graphique. L'interface graphique vous permet d'interagir avec la sortie du paragraphe du bloc-notes. Vous avez la possibilité d'exécuter et de modifier un seul paragraphe ou tous les paragraphes d'un bloc-notes.
    Pour Options de tableau, cliquez sur Paramètres et sélectionnez :

    • useFilter : permet d'activer le filtre pour les colonnes.

    • showPagination : permet d'activer la pagination pour une navigation améliorée.

    • showAggregationFooter : permet à un pied de page d'afficher des valeurs agrégées.

    Vous pouvez également trier les colonnes en cliquant sur la flèche vers le bas en regard du nom de la colonne.

    Pour visualiser les données sous forme de tableau, cliquez sur les icônes respectives de chaque représentation graphique, comme indiqué ici :
    • Cliquez sur Graphique à barres pour représenter les données dans un graphique à barres.
    • Cliquez sur Graphique à secteurs pour représenter les données dans un graphique à secteurs.
    • Cliquez sur Graphiques en aires pour représenter les données dans un graphique en aires.
    • Cliquez sur Graphique en courbes pour représenter les données dans un graphique à courbes.
    • Cliquez sur Graphique à nuage de points pour représenter les données dans un graphique à nuages de points.

Rubriques connexes

Rubrique parent : A propos d'Oracle Machine Learning Notebooks Classic

5.5.1 A propos d'Oracle Machine Learning for SQL

Oracle Machine Learning for SQL (OML4SQL) offre une puissante fonctionnalité de machine learning de pointe dans Oracle Database. Vous pouvez utiliser Oracle Machine Learning for SQL pour créer et déployer des modèles de machine learning prédictifs et descriptifs, et ajouter des fonctionnalités intelligentes aux applications existantes et nouvelles.

Oracle Machine Learning for SQL offre un ensemble complet d'algorithmes dans la base de données pour effectuer diverses tâches de machine learning, telles que la classification, la régression, la détection d'anomalies, l'extraction de fonctionnalités, le clustering et l'analyse du panier d'achat, entre autres. Les interfaces de programmation vers OML4SQL sont du code PL/SQL pour la création et la maintenance de modèles et une famille de fonctions SQL pour l'évaluation.

Utilisez le bloc-notes Oracle Machine Learning avec les interpréteurs SQL et PL/SQL pour exécuter les instructions SQL (%sql) et les scripts PL/SQL (%script) respectivement. Utilisez Oracle Machine Learning for SQL pour :
  • Effectuer l'exploration et l'analyse des données
  • Créer, évaluer et déployer des modèles de machine learning
  • Evaluer les données à l'aide de ces modèles

Rubrique parent : Utilisation de l'interpréteur SQL dans un paragraphe de bloc-notes

5.5.2 Définir le format de sortie dans les blocs-notes

Oracle Machine Learning Notebooks vous permet de préformater la sortie des requêtes dans les blocs-notes.

Pour préformater la sortie de requête, vous devez utiliser la commande SET SQLFORMAT comme suit :
  1. Ouvrez un bloc-notes dans Oracle Machine Learning.
  2. Saisissez la commande suivante :
    %script
    SET SQLFORMAT format_option
    Par exemple, si vous souhaitez que la sortie soit au format ansiconsole, saisissez la commande suivie de la requête SQL comme suit :
    SET SQLFORMAT ansiconsole;
    SELECT * FROM HR.EMPLOYEES;
    Ici, le format de sortie est ansiconsole et le nom de la table est HR.EMPLOYEES.

    Remarques :

    Ce formatage est disponible pour l'interpréteur de script. Par conséquent, vous devez ajouter le préfixe %script comme indiqué dans cet exemple.

Rubrique parent : Utilisation de l'interpréteur SQL dans un paragraphe de bloc-notes

5.5.3 Formats de sortie pris en charge par la commande SET SQLFORMAT

A l'aide de la commande SET SQLFORMAT, vous pouvez générer la sortie de requête dans différents formats.

Remarques :

Ces formats de sortie sont disponibles pour l'interpréteur de script. Par conséquent, vous devez inclure le préfixe %script.
Les formats de sortie suivants sont disponibles :

  • CSV - Le format CSV produit une sortie de variable séparée par des virgules standard, avec des valeurs de chaîne entre guillemets. La syntaxe est la suivante :

    %script

    SET SQLFORMAT CSV

  • HTML - Le format HTML produit le HTML pour une table réactive. Le contenu de la table change de manière dynamique pour correspondre à la chaîne de recherche saisie dans le champ de texte. La syntaxe est la suivante :

    %script

    SET SQLFORMAT HTML

  • XML : le format XML produit un document XML basé sur une balise. Toutes les données sont présentées sous forme de balises CDATA. La syntaxe est la suivante :

    %script

    SET SQLFORMAT XML

  • JSON - Le format JSON produit un document JSON contenant les définitions des colonnes ainsi que les données qu'il contient. La syntaxe est la suivante :

    %script

    SET SQLFORMAT JSON

  • ANSICONSOLE - Le format ANSICONSOLE redimensionne les colonnes à la largeur des données pour économiser de l'espace. Il souligne également les colonnes, au lieu d'une ligne de sortie distincte. La syntaxe est la suivante :

    %script

    SET SQLFORMAT ANSICONSOLE

  • INSERT : le format INSERT génère les instructions INSERT qui peuvent être utilisées pour recréer les lignes d'une table. La syntaxe est la suivante :

    %script

    SET SQLFORMAT INSERT

  • LOADER - Le format LOADER produit une sortie délimitée par des barres verticales avec des valeurs de chaîne entre guillemets doubles. Les noms de colonne ne sont pas inclus dans la sortie. La syntaxe est la suivante :

    %script

    SET SQLFORMAT LOADER

  • FIXED : le format FIXED génère des colonnes à largeur fixe avec toutes les données entre guillemets. La syntaxe est la suivante :

    %script

    SET SQLFORMAT FIXED

  • DEFAULT : l'option DEFAULT efface tous les paramètres SQLFORMAT précédents et revient à la sortie par défaut. La syntaxe est la suivante :

    %script

    SET SQLFORMAT DEFAULT

    Remarques :

    Vous pouvez également exécuter cette commande sans le nom de format DEFAULT en saisissant simplement SET SQLFORMAT.

  • DELIMITED - Le format DELIMITED vous permet de définir manuellement la chaîne de délimiteurs et les caractères inclus dans les valeurs de chaîne. La syntaxe est la suivante :

    %script

    SQLFORMAT DELIMITED delimiter left_enclosure right_enclosure

    Exemple :

    %script

    SET SQLFORMAT DELIMITED ~del~ " "

    SELECT * FROM emp WHERE deptno = 20;

    Sortie :

    "EMPNO"~del~"ENAME"~del~"JOB"~del~"MGR"~del~"HIREDATE"~del~"SAL"~del~"COMM"~del~"DEPTNO"

    Dans cet exemple, la chaîne de délimiteur est ~del~ et les valeurs de chaîne telles que EMPNO, ENAME, JOB, etc., sont placées entre guillemets doubles.

Rubrique parent : Utilisation de l'interpréteur SQL dans un paragraphe de bloc-notes

5.6 Utiliser l'interpréteur Python dans un paragraphe de bloc-notes

Un bloc-notes Oracle Machine Learning prend en charge plusieurs langues. Chaque paragraphe est associé à un interprète spécifique. Pour exécuter des commandes Python dans un bloc-notes, vous devez d'abord vous connecter à l'interpréteur Python. Pour utiliser OML4Py, vous devez importer le module oml.

Dans un bloc-notes d'interface utilisateur Oracle Machine Learning, vous pouvez ajouter plusieurs paragraphes et chaque paragraphe peut être connecté à différents interpréteurs tels que SQL ou Python. Pour identifier l'interpréteur à utiliser, indiquez %, suivi de l'interpréteur à utiliser : sql, script, r, python, conda, markdown.

Cet exemple illustre comment :
  • Se connecter à un interpréteur Python pour exécuter des commandes Python dans un bloc-notes
  • Importez les modules Python : oml, matplotlib et numpy
  • Vérifier si le module oml est connecté à Oracle Database

Remarques :

z est un mot-clé réservé et ne doit pas être utilisé en tant que variable dans les paragraphes %python des blocs-notes d'interface utilisateur Oracle Machine Learning.
hypothèse : l'exemple suppose que vous avez créé un bloc-notes nommé Py Note.
  1. Ouvrez le bloc-notes Py et cliquez sur l'icône des liaisons d'interpréteur. Affichez les liaisons d'interpréteur disponibles.
  2. Pour vous connecter à l'interpréteur Python, saisissez %python
    Vous êtes maintenant prêt à exécuter des scripts Python dans votre bloc-notes.
  3. Pour utiliser le module OML4Py, vous devez importer le module oml. Saisissez la commande Python suivante pour importer le module oml, puis cliquez sur l'icône d'exécution. Vous pouvez également appuyer sur les touches Shift+Enter pour exécuter le bloc-notes.
    import oml
  4. Pour vérifier si le module oml est connecté à la base de données, saisissez :
    oml.isconnected()
    Une fois votre bloc-notes connecté, la commande renvoie TRUE. Le bloc-notes est maintenant connecté à l'interpréteur Python et vous êtes prêt à exécuter des commandes python dans votre bloc-notes.

Exemple pour illustrer l'utilisation des modules Python - matplotlib et numpy , et utiliser des données aléatoires pour tracer deux histogrammes.

  1. Pour importer les modules, saisissez les commandes suivantes : 
    %python
import matplotlib.pyplot as plt
import numpy as np
    • Matplotlib : module Python pour le rendu des graphiques
    • Numpy : module Python pour les calculs
  2. Saisissez les commandes suivantes pour calculer et afficher les données dans deux histogrammes.
    
list1 = np.random.rand(10)*2.1
list2 = np.random.rand(10)*3.0

plt.subplot(1,2,1) # 1 line, 2 rows, index nr 1 (first position in the subplot)
plt.hist(list1)
plt.subplot(1, 2, 2) # 1 line, 2 rows, index nr 2 (second position in the subplot)
plt.hist(list2)
plt.show()
    Dans cet exemple, les commandes importent deux modules Python pour calculer et afficher les données dans deux histogrammes list1 et list2.
  3. Cliquez sur Exécuter.
    La section de sortie du paragraphe qui contient un composant de documentation affiche les résultats en deux histogrammes : list1 et list2, comme illustré dans la capture d'écran.
  • About Oracle Machine Learning for Python
    Oracle Machine Learning for Python (OML4Py) is a component of Oracle Autonomous Database, which includes Oracle Autonomous Data Warehouse (ADW), Oracle Autonomous Transaction Processing (ATP), and Oracle Autonomous JSON Database (AJD). En utilisant les blocs-notes de l'interface utilisateur Oracle Machine Learning, vous pouvez exécuter des fonctions Python sur les données à des fins d'exploration et de préparation des données tout en tirant parti d'Oracle Database en tant qu'environnement de calcul hautes performances. L'interface utilisateur d'Oracle Machine Learning est disponible via les services Autonomous Data Warehouse (ADW), Autonomous Transaction Processing (ATP) et Autonomous JSON Database (AJD).

Rubrique parent : A propos d'Oracle Machine Learning Notebooks Classic

5.6.1 A propos d'Oracle Machine Learning for Python

Oracle Machine Learning for Python (OML4Py) is a component of Oracle Autonomous Database, which includes Oracle Autonomous Data Warehouse (ADW), Oracle Autonomous Transaction Processing (ATP), and Oracle Autonomous JSON Database (AJD). En utilisant les blocs-notes de l'interface utilisateur Oracle Machine Learning, vous pouvez exécuter des fonctions Python sur les données à des fins d'exploration et de préparation des données tout en tirant parti d'Oracle Database en tant qu'environnement de calcul hautes performances. L'interface utilisateur d'Oracle Machine Learning est disponible via les services Autonomous Data Warehouse (ADW), Autonomous Transaction Processing (ATP) et Autonomous JSON Database (AJD).

Oracle Machine Learning for Python (OML4Py) rend le langage de script et l'environnement Python open source prêts pour l'entreprise et le Big Data. Conçu pour les problèmes impliquant à la fois de grands et de petits volumes de données, Oracle Machine Learning for Python intègre Python à Oracle Autonomous Database, y compris ses puissants algorithmes de machine learning dans la base de données, et permet le déploiement de code Python.

Utilisez Oracle Machine Learning for Python pour :
  • Effectuer l'exploration des données, l'analyse des données et le machine learning à l'aide de Python en exploitant Oracle Database comme moteur de calcul hautes performances
  • Créer et évaluer des modèles de machine learning et noter des données à l'aide de ces modèles à partir d'une API Python intégrée à l'aide d'algorithmes dans la base de données
  • Déployer des fonctions Python définies par l'utilisateur via une interface REST avec traitement parallèle des données et des tâches

L'interpréteur Python utilise Python 3.8.5 pour traiter les scripts Python dans les blocs-notes d'interface utilisateur Oracle Machine Learning. Pour utiliser l'interpréteur, spécifiez la directive %python au début du paragraphe. L'interpréteur Python prend en charge les modules Python suivants :

  • cx_Oracle 7.3.0
  • cycler 0.10.0
  • joblib 0.14.0
  • kiwisolver 1.1.0
  • matplotlib 3.1.2
  • numpy 1.18.1
  • pandas 0.25.3
  • pyparsing 2.4.0
  • python-dateutil 2.8.1
  • pytz 2019.3
  • scikit_learn 0.22.1
  • scipy 1.4.1
  • six 1.13.0

Rubriques connexes

Rubrique parent : Utilisation de l'interpréteur Python dans un paragraphe de bloc-notes

5.7 Utiliser l'interpréteur R dans un paragraphe de bloc-notes

Un bloc-notes Oracle Machine Learning prend en charge plusieurs langues. Chaque paragraphe est associé à un interprète spécifique. Pour exécuter des fonctions R dans un bloc-notes Oracle Machine Learning, vous devez d'abord vous connecter à l'interpréteur R.

Dans un bloc-notes d'interface utilisateur Oracle Machine Learning, vous pouvez ajouter plusieurs paragraphes et chaque paragraphe peut être connecté à différents interpréteurs tels que R, SQL ou Python. Pour identifier l'interpréteur à utiliser, indiquez %, suivi de l'interpréteur à utiliser : sql, script, r, python, conda, markdown.

Cet exemple montre comment :
  • Connectez-vous à l'interpréteur R pour exécuter des commandes R dans un bloc-notes.
  • Vérifiez la connexion à Oracle Autonomous Database et
  • Charger les bibliothèques ORE
  1. Pour vous connecter à l'interpréteur R, tapez la directive suivante au début du paragraphe du bloc-notes et appuyez sur Entrée :
    %r
  2. Pour vérifier la connexion à la base de données, saisissez la commande suivante et appuyez sur Entrée :
    ore.is.connected()
    Une fois le bloc-notes connecté, la commande renvoie TRUE, comme illustré dans la capture d'écran ci-dessous. Le bloc-notes est maintenant connecté à l'interpréteur R et vous êtes prêt à exécuter des commandes R dans votre bloc-notes.

    Figure 5-3 Test de la connexion à la base de données

    Tester la connexion à Oracle Database
  3. Pour importer des bibliothèques R, exécutez les commandes suivantes : 
    library(ORE)
library(OREdplyr)
    Une fois les packages chargés avec succès, la liste des packages ORE s'affiche comme illustré dans la capture d'écran ci-dessous. Faites défiler la page vers le bas pour afficher la liste complète.

    Figure 5-4 Commandes de chargement des packages R

    Charger les packages R

Rubrique parent : A propos d'Oracle Machine Learning Notebooks Classic

5.7.1 A propos d'Oracle Machine Learning for R

Oracle Machine Learning for R (OML4R) est un composant de la famille de produits Oracle Machine Learning, qui intègre R à Oracle Autonomous Database.

Oracle Machine Learning for R rend le langage et l'environnement de script R open source prêts pour les entreprises et le Big Data. Il est conçu pour les problèmes impliquant des volumes de données importants et de petite taille. OML4R permet aux utilisateurs d'exécuter des commandes et des scripts R à des fins statistiques, d'apprentissage automatique et d'effectuer des analyses de visualisation sur des tables et des vues de base de données à l'aide de la syntaxe R.

Oracle Machine Learning for R est disponible dans l'interface utilisateur Oracle Machine Learning, actuellement disponible via Oracle Autonomous Database, y compris Autonomous Data Warehouse, Autonomous Transaction Processing et Autonomous JSON Database. La fonctionnalité d'exécution R intégrée d'Oracle Machine Learning for R peut être déployée via des API SQL et REST sur Autonomous Database.

Utilisez Oracle Machine Learning for R pour :

  • Effectuez l'exploration et la préparation des données tout en tirant parti d'Oracle Database en tant qu'environnement de calcul hautes performances.
  • Exécutez les fonctions R définies par l'utilisateur sur les moteurs R générés et contrôlés par la base de données, avec des fonctionnalités parallèles aux données et aux tâches prises en charge par le système.
  • Accédez et utilisez de puissants algorithmes de machine learning dans la base de données à partir du langage R.

Pour utiliser l'interpréteur R, spécifiez la directive %r au début du paragraphe. Les packages R suivants sont installés pour prendre en charge Oracle Machine Learning for R.

Packages R propriétaires Oracle Machine Learning for R pris en charge

Les packages R propriétaires Oracle Machine Learning for R pris en charge sont les suivants :

  • ORE_1.5.1
  • OREbase_1.5.1
  • OREcommon_1.5.1
  • OREdm_1.5.1
  • OREdplyr_1.5.1
  • OREeda_1.5.1
  • OREembed_1.5.1
  • OREgraphics_1.5.1
  • OREmodels_1.5.1
  • OREpredict_1.5.1
  • OREstats_1.5.1
  • ORExml_1.5.1

Modules R open source pris en charge

Les packages R open source suivants sont pris en charge par Oracle Machine Learning for R :

  • R-4.0.5
  • Cairo_1.5-15
  • ROracle_1.4-1: DBI_1.1-2
  • arules_1.7-3
  • png_0.1-7
  • randomForest_4.6-14
  • statmod_1.4-36
  • dplyr_1.0-9:
  • R6_2.5.1
  • assertthat_0.2.1
  • cli_3.3.0
  • crayon_1.5.1
  • ellipsis_0.3.2
  • fansi_1.0.3
  • generics_0.1.2
  • glue_1.6.2
  • lazyeval_0.2.2
  • lifecycle_1.0.1
  • magrittr_2.0.3
  • pillar_1.7.0
  • pkgconfig_2.0.3
  • purrr_0.3.4
  • rlang_1.0.2
  • tibble_3.1.7
  • tidyselect_1.1.2
  • utf8_1.2.2
  • vctrs_0.4.1

Oracle Machine Learning for R - Exigences en matière d'interpréteur

L'interpréteur R requiert les packages R open source suivants :
  • Rkernel 1.3:
    • base64enc 0.1-3
    • cli 3.3.0
    • crayon 1.5.1
    • digest 0.6.29
    • ellipsis 0.3.2
    • evaluate 0.15
    • fansi 1.0.3
    • fastmap 1.1.0
    • glue 1.6.2
    • htmltools 0.5.2
    • IRdisplay 1.1
    • jsonlite 1.8.0
    • lifecycle 1.0.1
    • pbdZMQ 0.3-7
    • pillar 1.7.0
    • repr 1.1.4
    • rlang 1.0.2
    • utf8 1.2.2
    • uuid 1.1-0
    • vctrs 0.4.1
  • knitr 1.39:
    • evaluate_0.15
    • glue_1.6.2
    • highr_0.9
    • magrittr_2.0.3
    • stringi_1.7.6
    • stringr_1.4.0
    • xfun_0.31
    • yaml_2.3.5

Rubrique parent : Utilisation de l'interpréteur R dans un paragraphe de bloc-notes

5.8 Utiliser l'interpréteur conda dans un paragraphe de bloc-notes

Oracle Machine Learning Notebooks fournit un interpréteur Conda permettant aux administrateurs de créer des environnements conda avec des bibliothèques Python et R tierces personnalisées. Une fois créés, vous pouvez télécharger et activer des environnements Conda dans une session de bloc-notes à l'aide de l'interpréteur Conda.

Un bloc-notes Oracle Machine Learning prend en charge plusieurs langues. Pour cela, vous devez créer un bloc-notes contenant certains paragraphes pour exécuter des requêtes SQL et d'autres paragraphes pour exécuter des scripts PL/SQL. Pour exécuter un bloc-notes dans différents langages de script, vous devez d'abord connecter les paragraphes du bloc-notes aux interpréteurs respectifs tels que SQL, PL/SQL, R, Python ou Conda.

Cette rubrique explique comment commencer à travailler dans l'environnement Conda :
  • Connectez-vous à l'interprète Conda
  • Télécharger et activer l'environnement Conda
  • Afficher la liste des packages dans l'environnement Conda
  • Exécutez une fonction Python pour importer l'ensemble de données Iris et utilisez le package Seaborn pour la visualisation
  1. Saisissez %conda au début du paragraphe pour vous connecter à l'interpréteur Conda et appuyez sur Entrée.
    %conda
  2. Téléchargez et activez ensuite l'environnement Conda. Type:
    download sbenv
activate sbenv
    Dans cet exemple, l'environnement Conda est téléchargé et activé. Dans cet exemple, le nom de l'environnement Conda est sbenv.Téléchargement et activation de l'environnement conda
  3. Vous pouvez afficher tous les packages présents dans l'environnement Conda. Pour afficher la liste des packages, saisissez list.
    Liste des paquets dans la bibliothèque du fond marin
  4. Voici un exemple illustrant l'utilisation du package de bibliothèque de fonds marins pour la visualisation. Seaborn est une bibliothèque de visualisation Python basée sur matplotlib. Il fournit une interface de haut niveau pour dessiner des graphiques statistiques attrayants. Cet exemple
    • Importations Pandas et fonds marins
    • Charge l'ensemble de données Iris
    • Trace les points de données, c'est-à-dire les trois espèces différentes de la fleur d'iris - Setosa, Virginica et Versicolor en fonction de ses dimensions. Il crée un nuage de points
    Type :
    %python

def sb_plot():
    import pandas as pd
    import seaborn as sb
    from matplotlib import pyplot as plt
    df = sb.load_dataset('iris')
    sb.set_style("ticks")
    sb.pairplot(df,hue = 'species',diag_kind = "kde",kind = "scatter",palette = "husl")
    plt.show()
    Commandes
  5. Exécutez la fonction dans un paragraphe Python.
    Type :
    %python 
sb_plot()
    Visualisation à l'aide de la bibliothèque Python Seaborn
  • A propos de l'environnement Conda et de l'interpréteur Conda
    Conda est un système de gestion d'environnement et de packages open source qui permet d'utiliser des environnements contenant des bibliothèques Python et R tierces. L'interface utilisateur d'Oracle Machine Learning fournit l'interpréteur conda permettant d'installer des bibliothèques Python et R tierces dans une session de bloc-notes.
  • Commandes d'interpréteur Conda
    Ce tableau répertorie les commandes de l'interpréteur Conda.

Rubrique parent : A propos d'Oracle Machine Learning Notebooks Classic

5.8.1 A propos de l'environnement conda et de l'interpréteur conda

Conda est un système de gestion d'environnement et de packages open source qui permet l'utilisation d'environnements contenant des bibliothèques Python et R tierces. L'interface utilisateur d'Oracle Machine Learning fournit l'interpréteur conda permettant d'installer des bibliothèques Python et R tierces dans une session de bloc-notes.

Les bibliothèques tierces installées dans Oracle Machine Learning Notebooks peuvent être utilisées dans :
  • Python standard
  • R standard
  • Exécution Python intégrée d'Oracle Machine Learning for Python à partir des API Python, SQL et REST
  • Exécution R intégrée d'Oracle Machine Learning for R à partir des API R, SQL et REST

Pour commencer à travailler dans l'environnement Conda :

  1. Assurez-vous qu'un environnement conda est enregistré dans Object Storage ou mettez à jour un package existant en installant une nouvelle version.

    Remarques :

    L'environnement conda est créé par l'utilisateur ADMIN avec le rôle OML_SYS_ADMIN. L'administrateur gère le cycle de vie d'un environnement, y compris l'ajout ou la suppression de packages et la suppression d'environnements. Les environnements conda sont stockés dans un bucket Object Storage associé à Autonomous Database.
  2. Connectez-vous à l'interface utilisateur Oracle Machine Learning et téléchargez l'environnement conda. Pour télécharger l'environnement Conda, tapez : 
    %conda 
    download myenv
  3. Activez l'environnement Conda. Pour activer l'environnement Conda, entrez : 
    activate myenv

    Remarques :

    Il n'existe qu'un seul environnement conda actif à un moment donné.
  4. Créez un bloc-notes et utilisez l'interpréteur Conda pour utiliser des bibliothèques tierces dans Object Storage. Pour utiliser l'interpréteur Conda, tapez %conda au début du paragraphe pour vous connecter à l'environnement Conda et travailler avec des bibliothèques tierces pour Python. Vous pouvez basculer entre les environnements conda préinstallés. Par exemple, vous pouvez disposer d'un environnement pour utiliser l'analyse de graphique et d'un autre pour l'analyse Oracle Machine Learning.
  5. Désactivez l'environnement conda. Il est recommandé de désactiver l'environnement Conda une fois que vous avez terminé de travailler sur votre analyse d'apprentissage automatique. Pour désactiver l'environnement, saisissez : 
    deactivate

Rubrique parent : Utilisation de l'interpréteur conda dans un paragraphe de bloc-notes

5.8.2 Commandes d'interpréteur Conda

Ce tableau répertorie les commandes de l'interpréteur Conda.

Commandes d'interpréteur conda

Tableau 5-1 Commandes d'interpréteur conda

Tâches Commandes Rôle
Créez un environnement conda. create -n <env_name> <python_version>
  • ADMIN
Enlève une liste de packages d'un environnement conda spécifié. Il s'agit également d'un alias pour conda uninstall. remove -n <env_name> --all

Remarques :

L'environnement conda est supprimé de la session utilisateur.
  • ADMIN
  • Utilisateur OML
Répertorie les environnements locaux créés par l'utilisateur. env list
  • ADMIN
  • Utilisateur OML
Enlevez l'environnement local créé par l'utilisateur. env remove -n <env_name>
  • ADMIN
  • Utilisateur OML
Répertoriez tous les packages et versions installés dans l'environnement actif. list
  • ADMIN
  • Utilisateur OML
Activer un environnement local créé par l'utilisateur. activate -n <env_name>
  • ADMIN
  • Utilisateur OML
Désactivez l'environnement actuel. deactivate
  • ADMIN
  • Utilisateur OML
Installez un package externe à partir d'un canal Conda public. install -n <env_name> <package_name>
  • ADMIN
Désinstallez un package spécifique d'un environnement Conda. Il s'agit également d'un alias pour remove. uninstall -n <env_name> <package_name>
  • ADMIN
Afficher des informations sur l'installation conda actuelle. info
  • ADMIN
  • Utilisateur OML
Affichez l'aide de la ligne de commande. COMMANDNAME --help
  • ADMIN
  • Utilisateur OML
Téléchargez un environnement conda vers le stockage d'objets.

Remarques :

Il s'agit d'une commande propre à Autonomous Database.
upload --overwrite <env_name> --description 'some description' -t <name> <value>

Remarques :

Vous pouvez fournir de nombreuses balises. Par exemple : -t <name1> <value1> -t <name2> <value2> ..
  • ADMIN
Téléchargez et décompressez un environnement conda spécifique à partir du stockage d'objets.

Remarques :

Il s'agit d'une commande propre à Autonomous Database.
download --overwrite <env_name>
  • ADMIN
  • Utilisateur OML
Répertorie les environnements locaux disponibles pour l'utilisateur. list-local-envs
  • ADMIN
  • Utilisateur OML
Répertoriez tous les environnements conda dans le stockage d'objets.

Remarques :

Il s'agit d'une commande propre à Autonomous Database.
list-saved-envs --installed-packages -e <env_name>
  • ADMIN
  • Utilisateur OML
Supprimer un environnement conda.

Remarques :

Il s'agit d'une commande propre à Autonomous Database.
delete <env_name>

Remarques :

L'environnement conda est supprimé d'Object Storage.
  • ADMIN
Mettez à jour les packages conda vers la dernière version compatible. update
  • ADMIN
Mettez à niveau le package conda actuel. Il s'agit également d'un alias pour conda update. upgrade
  • ADMIN
Recherchez des packages et affichez les informations associées. L'entrée est MatchSpec, un langage de requête pour les packages conda. search
  • ADMIN
  • Utilisateur OML

Rubrique parent : Utilisation de l'interpréteur conda dans un paragraphe de bloc-notes

5.9 Appelez l'interpréteur de démarque et générez un code HTML statique à partir du texte brut de démarque

Utilisez l'interpréteur Markdown et générez du code HTML statique à partir du texte brut Markdown.

Pour appeler l'interpréteur Markdown et générer du code HTML statique à partir du texte brut Markdown :
  1. Dans votre bloc-notes, saisissez %md et appuyez sur Entrée.
  2. Saisissez "Hello World!" et cliquez sur Run. Le texte HTML statique est généré, comme illustré dans la capture d'écran ci-dessous.
    Texte HTML statique
  3. Vous pouvez mettre le texte en gras. Pour afficher le texte en gras, écrivez le même texte dans deux paires d'astérisques et cliquez sur Exécuter.
    Texte en gras
  4. Pour afficher le texte en italique, écrivez le même texte à l'intérieur d'une paire d'astérisques ou de traits de soulignement comme indiqué dans la capture d'écran, puis cliquez sur Exécuter.
    Texte en italique
  5. Pour afficher le texte dans une liste à puces, ajoutez le préfixe *(astérisque) au texte, comme indiqué dans la capture d'écran ci-dessous :
    Texte en points à puces
  6. Pour afficher le texte dans heading1, en-tête 2 et en-tête 2, ajoutez le préfixe # (hash) au texte et cliquez sur Exécuter. Pour H1, H2 et H3, vous devez préfixer une, deux et trois hachures respectivement.
    En-têtes

Rubrique parent : A propos d'Oracle Machine Learning Notebooks Classic

5.10 Utiliser le bloc-notes

Le bloc-notes vous offre un accès pratique en un clic à un bloc-notes pour exécuter des instructions SQL, des scripts PL/SQL, R et Python qui peuvent être renommés. Le bloc-notes est disponible sur la page d'accueil de l'interface utilisateur d'Oracle Machine Learning.

Remarques :

Le bloc-notes est un bloc-notes standard prérempli avec quatre paragraphes : %sql, %script,, %python et %r.

Une fois les scripts exécutés, le bloc-notes est automatiquement enregistré en tant que bloc-notes sous le nom par défaut Bloc-notes sur la page Bloc-notes. Vous pouvez y accéder ultérieurement sur la page Blocs-notes. Vous pouvez exécuter tous les paragraphes ensemble ou un paragraphe à la fois.
  1. Pour ouvrir et utiliser le bloc-notes, cliquez sur Bloc-notes sur la page d'accueil de l'interface utilisateur Oracle Machine Learning sous Actions rapides. Le bloc-notes s'ouvre. Le bloc-notes comporte trois paragraphes contenant chacun les directives suivantes :
    • %sql : permet d'exécuter des instructions SQL.
    • %script : permet d'exécuter des scripts PL/SQL.
    • %python : permet d'exécuter des scripts Python.
    • %r : permet d'exécuter des scripts R.

    Figure 5-5 Bloc-notes

    Bloc-notes temporaire
  2. Pour exécuter un script SQL :
    1. Allez au paragraphe avec la directive %sql.
    2. Entrez la commande suivante et cliquez sur l'icône Run (Exécuter). Vous pouvez également appuyer sur les touches Shift+Enter pour exécuter le paragraphe.
      SELECT * FROM SH.SALES;
    Dans cet exemple, l'instruction SQL extrait toutes les données relatives aux ventes de produits de la table SALES. Ici, SH est le nom du schéma et SALES est le nom de la table. L'interface utilisateur d'Oracle Machine Learning extrait les données pertinentes de la base de données et les affiche sous forme de tableau.

    Figure 5-6 Instruction SQL dans le bloc-notes

    Instruction SQL dans le bloc-notes
  3. Pour exécuter un script PL/SQL :
    1. Allez au paragraphe avec la directive %script.
    2. Entrez le script PL/SQL suivant et cliquez sur l'icône Run (Exécuter). Vous pouvez également appuyer sur les touches Shift+Enter pour exécuter le paragraphe.
      CREATE TABLE small_table
	(
	 NAME VARCHAR(200),
	 ID1 INTEGER,
	 ID2 VARCHAR(200),
	 ID3 VARCHAR(200),
	 ID4 VARCHAR(200),
	 TEXT VARCHAR(200)
	);

	BEGIN 
		FOR i IN 1..100 LOOP
				INSERT INTO small_table VALUES ('Name_'||i, i,'ID2_'||i,'ID3_'||i,'ID4_'||i,'TEXT_'||i);
		END LOOP;
		COMMIT;
	END;
      Le script PL/SQL a créé la table SMALL_TABLE. Dans cet exemple, le script PL/SQL contient deux parties :
      • La première partie du script contient l'instruction SQL CREATE TABLE permettant de créer une table nommée small_table.. Il définit le nom de la table, la colonne de la table, les types de données et la taille. Dans cet exemple, les noms de colonne sont NAME, ID1, ID2, ID3, ID4, et TEXT.
      • La deuxième partie du script commence par le mot-clé BEGIN. Il insère 100 lignes dans la table small_table.

      Remarques :

      Lorsque vous utilisez l'instruction CREATE avec une clé primaire, elle échoue et affiche le message d'erreur Privilèges insuffisants. Cette erreur est due aux profils de verrouillage dans la base de données. Si vous rencontrez cette erreur, contactez l'administrateur de base de données ou l'administrateur de sécurité désigné pour accorder les privilèges requis.

      Figure 5-7 Script PL/SQL dans le bloc-notes

      Procédure PL/SQL dans le bloc-notes
  4. Pour exécuter un script python :
    1. Pour utiliser OML4Py, vous devez d'abord importer le module oml. oml est le module OML4Py qui vous permet de manipuler des objets Oracle Database tels que des tables et des vues, d'appeler des fonctions Python définies par l'utilisateur à l'aide de l'exécution imbriquée et d'utiliser les algorithmes de machine learning de base de données. Allez au paragraphe avec la directive %python. Pour importer le module oml, saisissez la commande suivante et cliquez sur l'icône Exécuter. Vous pouvez également appuyer sur les touches Shift+Enter pour exécuter le paragraphe.
      import oml
    2. Pour vérifier si le module oml est connecté à Oracle Database, saisissez oml.isconnected() et cliquez sur l'icône Exécuter. Vous pouvez également appuyer sur les touches Shift+Enter pour exécuter le paragraphe. 
      oml.isconnected()
    3. Vous êtes maintenant prêt à exécuter votre script Python. Saisissez le code Python suivant et cliquez sur l'icône Run (Exécuter). Vous pouvez également appuyer sur les touches Shift+Enter pour exécuter le paragraphe.
      import matplotlib.pyplot as plt
import numpy as np

list1 = np.random.rand(10)*2.1
list2 = np.random.rand(10)*3.0

plt.subplot(1,2,1) # 1 line, 2 rows, index nr 1 (first position in subplot)
plt.hist(list1)
plt.subplot(1, 2, 2) # 1 line, 2 rows, index nr 2 (second position in subplot)
plt.hist(list2)
plt.show()
      Dans cet exemple, les commandes importent deux packages python pour calculer et afficher les données dans deux histogrammes pour list1 et list2. Les packages Python sont les suivants :
      • Matplotlib - Package Python pour le rendu des graphiques.
      • Numpy - Package Python pour les calculs.

      Figure 5-8 Script Python dans le bloc-notes

      Script Python dans le bloc-notes

      Les deux graphiques pour list1 et list 2 sont générés par le moteur python, comme illustré dans la capture d'écran ci-dessous.

  5. Une fois que vous avez créé et exécuté vos scripts dans le bloc-notes, le bloc-notes est automatiquement enregistré en tant que bloc-notes sous le nom par défaut Bloc-notes sur la page Bloc-notes. Vous pouvez modifier le nom du bloc-notes et l'enregistrer avec le nouveau nom en cliquant sur Modifier.

Rubrique parent : A propos d'Oracle Machine Learning Notebooks Classic

5.11 Collaborer dans Oracle Machine Learning

Deux utilisateurs ou plus peuvent collaborer et partager des blocs-notes de l'interface utilisateur d'Oracle Machine Learning avec d'autres utilisateurs.

Vous pouvez collaborer en :

  • Octroi de l'accès à l'espace de travail d'un autre utilisateur
  • Utilisation de l'option d'export
  • Utiliser les modèles de bloc-notes de l'interface utilisateur d'Oracle Machine Learning

Icône de tutoriel Collaboration dans Oracle Machine Learning

Rubrique parent : A propos d'Oracle Machine Learning Notebooks Classic