1. Uso dell'interfaccia utente di Oracle Machine Learning su Autonomous Database
  2. Informazioni su Oracle Machine Learning Notebooks Classic

5 Informazioni su Oracle Machine Learning Notebooks Classic

Un blocco appunti può contenere molti paragrafi. Un paragrafo è un componente notebook in cui è possibile scrivere ed eseguire istruzioni SQL, script PL/SQL, codice R e Python e istruzioni conda. È possibile eseguire i paragrafi singolarmente oppure eseguire tutti i paragrafi in un notebook utilizzando un solo pulsante.

Un paragrafo ha una sezione di input e una sezione di output. Nella sezione di input specificare l'interprete da eseguire insieme al codice o al testo. Queste informazioni vengono inviate all'interprete da eseguire. Nella sezione di output vengono forniti i risultati dell'interprete.

Nella pagina Notebook Classic sono elencati tutti i notebook associati al progetto selezionato. È possibile creare, modificare ed eseguire i notebook qui.

Nella pagina Notebooks Classic è possibile eseguire i task riportati di seguito.

Figura 5-1 Pagina Classica dei notebook OML

Pagina Classica blocchi note OML

  • Vai a Blocco appunti OML: fare clic su Vai a Blocco appunti OML per andare alla pagina Oracle Machine Learning Notebooks.

  • Crea: fare clic su Crea per creare un nuovo notebook.

  • Modifica: fare clic su una riga del blocco note per selezionarla e fare clic su Modifica. È possibile modificare il nome del blocco note e aggiungere commenti nella finestra di dialogo Modifica blocco note.

  • Elimina: fare clic su una riga del blocco appunti per selezionarla e fare clic su Elimina.

  • Duplica: fare clic su una riga blocco note per selezionarla e fare clic su Duplica. In questo modo viene creata una copia di un blocco appunti e la copia duplicata viene elencata nella pagina Blocchi appunti con il suffisso _1 nel nome del blocco appunti.

  • Sposta: selezionare un blocco note e fare clic su Sposta per spostare il blocco note in un progetto diverso, nella stessa area di lavoro o in un'altra area di lavoro. Per spostare i blocchi note tra progetti e aree di lavoro, è necessario disporre del privilegio Administrator o Developer. È possibile spostare i notebook in esecuzione da job perché quando si eseguono notebook da job, ne viene eseguita una copia.

    Nota

    Un blocco appunti non può essere spostato se è in stato RUNNING o se esiste già un blocco appunti nel progetto di destinazione con lo stesso nome.
  • Copia: selezionare un blocco note e fare clic su Copia per copiare il blocco note in un altro progetto, nella stessa area di lavoro o in un'altra area di lavoro. Per copiare i notebook in progetti e aree di lavoro diversi, è necessario disporre del privilegio Administrator o Developer.

  • Salva come template: per salvare un blocco appunti come template, selezionare il blocco appunti e fare clic su Salva come template. Nella finestra di dialogo Salva come modello è possibile definire la posizione del modello per salvarlo in Personale o Condiviso in Modelli.

  • Importa: per importare un notebook come file .json, fare clic su Importa. Selezionare il progetto e l'area di lavoro in cui importare il blocco note.

  • Esporta: per esportare un notebook, fare clic su Esporta. È possibile esportare i notebook in formato Zeppelin ( .json ) e in formato Jupyter ( .ipynb ), quindi importarli nello stesso ambiente o in un altro ambiente.

  • Versione: per creare le versioni di un blocco note, selezionarlo e fare clic su Versione. È possibile sperimentare con il notebook creando le relative versioni e ripristinare una versione precedente facendo clic su Ripristina versione.

    Nota

    È inoltre possibile creare la versione di un blocco appunti aprendolo, quindi facendo clic sull'opzione Controllo versioni Controllo delle versioni. Questa opzione consente di creare nuove versioni, visualizzare la cronologia delle versioni, ripristinare le versioni precedenti ed eliminare le versioni precedenti del notebook aperto.
  • Copia in notebook OML: consente di copiare i notebook selezionati nell'interfaccia dei notebook utilizzando il nome originale con il suffisso _new. È ora possibile accedere a questo blocco note facendo clic su Libri nota nel menu di navigazione a sinistra oppure facendo clic su Vai a blocchi note OML nell'angolo superiore destro di questa pagina.

  • Per aprire un notebook ed eseguirlo, fare clic sul notebook. Il blocco note viene aperto in modalità di modifica.

  • Creare un notebook Classic
    Un notebook Classic è un'interfaccia basata sul Web per l'analisi dei dati, la ricerca automatica dei dati, la visualizzazione dei dati e la collaborazione.
  • Modifica blocco note classico
    Dopo aver creato un blocco note classico OML, viene aperto automaticamente e viene visualizzato un singolo paragrafo utilizzando l'interprete predefinito %sql. È possibile modificare l'interprete specificando esplicitamente uno dei seguenti parametri: %script, %python, %sql , %r , %md o %conda.
  • Versione di un blocco note classico
    È possibile creare una versione o un backup di un blocco note classico, eseguire delle prove e ripristinare il blocco note originale, se necessario.
  • Salva notebook classici come modelli
    È possibile salvare un notebook classico esistente come modello in Personale o in Condiviso.
  • Usa l'interprete SQL in un paragrafo blocco note
    Un blocco note di Oracle Machine Learning supporta più lingue. Ogni paragrafo è associato a un interprete specifico. Ad esempio, per eseguire istruzioni SQL, utilizzare l'interprete SQL. Per eseguire le istruzioni PL/SQL, utilizzare l'interprete script.
  • Usa l'interprete Python in un paragrafo del blocco note
    Un blocco note di Oracle Machine Learning supporta più lingue. Ogni paragrafo è associato a un interprete specifico. Per eseguire i comandi Python in un notebook, è necessario prima connettersi all'interprete Python. Per utilizzare OML4Py, è necessario importare il modulo oml.
  • Usa l'interprete R in un paragrafo blocco note
    Un blocco note di Oracle Machine Learning supporta più lingue. Ogni paragrafo è associato a un interprete specifico. Per eseguire le funzioni R in un notebook Oracle Machine Learning, è necessario prima connettersi all'interprete R.
  • Usa l'interprete Conda in un paragrafo blocco note
    Oracle Machine Learning Notebooks fornisce un interprete Conda per consentire agli amministratori di creare ambienti conda con librerie Python e R personalizzate di terze parti. Una volta creati, è possibile scaricare e attivare gli ambienti Conda all'interno di una sessione notebook anche utilizzando l'interprete Conda.
  • Chiama l'interprete ribasso e genera HTML statico da Testo normale ribasso
    Utilizzare l'interprete ribasso e generare HTML statico da Testo normale ribasso.
  • Informazioni sulle associazioni e i notebook degli interpreti
    Un interprete è un plugin che consente di utilizzare un backend specifico del linguaggio di elaborazione dati.
  • Utilizzare l'area di modifica temporanea
    L'area di modifica temporanea fornisce un comodo accesso con un solo clic a un notebook per l'esecuzione di istruzioni SQL, script PL/SQL, R e Python che possono essere rinominati. L'area di modifica temporanea è disponibile nella home page dell'interfaccia utente di Oracle Machine Learning.
  • Collabora in Oracle Machine Learning
    Due o più utenti possono collaborare e condividere notebook Oracle Machine Learning User Interface (UI) con altri utenti.

Argomenti correlati

5.1 Creare un notebook Classic

Notebook Classic è un'interfaccia basata sul Web per l'analisi dei dati, la ricerca automatica dei dati, la visualizzazione e la collaborazione dei dati.

Ogni volta che si crea un notebook Classic, è disponibile una specifica delle impostazioni dell'interprete. Il notebook Classic contiene un elenco interno di associazioni che determina l'ordine delle associazioni dell'interprete. Un notebook Classic comprende paragrafi che costituiscono un componente notebook in cui è possibile scrivere istruzioni SQL, eseguire script PL/SQL ed eseguire comandi Python. Un paragrafo ha una sezione di input e una sezione di output. Nella sezione di input specificare l'interprete da eseguire insieme al testo. Queste informazioni vengono inviate all'interprete da eseguire. Nella sezione di output vengono forniti i risultati dell'interprete.
Per creare un notebook classico:
  1. Nella home page dell'interfaccia utente di Oracle Machine Learning fare clic su Notebooks Classic. Viene visualizzata la pagina Notebooks Classic.
  2. Nella pagina Notebook Classic fare clic su Crea.
    Viene visualizzata la finestra Crea blocco note.
  3. Nel campo Nome, fornire un nome per il notebook.
  4. In Commenti, immettere eventuali commenti.
  5. Fare clic su OK.
Il notebook Classic viene creato e viene aperto nell'editor del notebook. Ora puoi usarlo per eseguire istruzioni SQL, eseguire script PL/SQL, eseguire comandi Python, R e Conda. Per fare ciò, specificare una delle seguenti direttive nella sezione di input del paragrafo:
  • %sql: per connettersi all'interprete SQL ed eseguire le istruzioni SQL
  • %script: per connettersi all'interprete PL/SQL ed eseguire gli script PL/SQL
  • %md: consente di connettersi all'interpreter Markdown e generare HTML statico dal testo normale Markdown
  • %python: per connettersi all'interprete Python ed eseguire gli script Python
  • %r: consente di connettersi all'interprete R ed eseguire gli script R.
  • %conda: consente di connettersi all'interprete Conda e di installare librerie Python e R di terze parti all'interno di una sessione notebook.

Argomento padre: Informazioni su Oracle Machine Learning Notebooks Classic

5.2 Modificare il notebook Classic

Quando si crea un notebook OML Classic, viene aperto automaticamente, presentando un solo paragrafo utilizzando l'interprete predefinito %sql. È possibile modificare l'interprete specificando esplicitamente uno dei seguenti parametri: %script, %python, %sql , %r , %md o %conda.

Impostare il contesto con un progetto a cui è associato il notebook.
È possibile modificare un notebook Classic esistente nel progetto. Per modificare un notebook Classic esistente:
  1. Nella home page dell'interfaccia utente di Oracle Machine Learning selezionare il progetto in cui è disponibile il notebook.
  2. Andare al Navigator dell'interfaccia utente di Oracle Machine Learning e selezionare Notebook Classic. Vengono elencati tutti i notebook disponibili nel progetto.
  3. Fare clic sul blocco appunti che si desidera aprire e modificare.
    Il blocco appunti selezionato viene aperto in modalità di modifica.
  4. Nella modalità di modifica è possibile utilizzare le opzioni della barra degli strumenti Oracle Machine Learning Notebooks Classic per eseguire il codice nei paragrafi, per le impostazioni di configurazione e le opzioni di visualizzazione.

    Figura 5-2 Barra degli strumenti del notebook

    Barra degli strumenti Classic
    È possibile eseguire i task riportati di seguito.
    • Scrivi codice per recuperare i dati
    • Fare clic su run per eseguire uno o tutti i paragrafi nel notebook.
    • Fare clic su mostra nascondi codice per nascondere tutti i codici di tutti i paragrafi del blocco appunti. Fare nuovamente clic per visualizzare i codici.
    • Fare clic su Mostra/Nascondi output per nascondere tutti gli output di tutti i paragrafi del blocco appunti. Fare nuovamente clic per visualizzare gli output.
    • Fare clic su cancella output per rimuovere tutti gli output da tutti i paragrafi del blocco appunti. Per visualizzare l'output, fare di nuovo clic sull'icona Esegui.
    • Fare clic su cancella notebook per eliminare tutti i paragrafi nel blocco appunti.
    • Fare clic su esportare un notebook per esportare il notebook.
    • Fare clic su codice di ricerca per cercare qualsiasi informazione nei codici presenti nel blocco appunti.
    • Fare clic su collegamenti da tastiera per visualizzare l'elenco dei collegamenti da tastiera.
    • Fare clic su associazioni interpreti per impostare l'ordine delle associazioni di interpreti per il blocco appunti.
    • Fare clic su opzioni di visualizzazione notebook per selezionare una delle tre opzioni di visualizzazione del notebook.
      • Fare clic su predefinito per visualizzare i codici, l'output e i metadati in tutti i paragrafi del blocco appunti.
      • Fare clic su Semplice per visualizzare solo il codice e l'output in tutti i paragrafi del blocco appunti. In questa vista, la barra degli strumenti del blocco note e tutte le opzioni di modifica sono nascoste. Per visualizzare le opzioni di modifica, è necessario passare il mouse.
      • Fare clic su Report per visualizzare solo l'output in tutti i paragrafi del blocco appunti.
    • Fare clic su opzioni di modifica per accedere alle opzioni di modifica specifiche del paragrafo, ad esempio Cancella output, Rimuovi paragrafo, Regola larghezza, Dimensione carattere, Esegui tutti i paragrafi sopra o sotto il paragrafo selezionato e così via.
    • Aggiungere moduli dinamici come il modulo Input testo, il modulo Seleziona, il modulo Casella di controllo per una facile selezione degli input e un facile filtro dei dati nel blocco appunti. Oracle Machine Learning supporta i seguenti moduli dinamici Apache Zeppelin:

      • Form di input di testo: consente di creare un form semplice per l'input di testo.

      • Seleziona form: consente di creare un form contenente un intervallo di valori che l'utente può selezionare.

      • Form casella di controllo: consente di inserire caselle di controllo per più selezioni di input.

    Nota

    I moduli dinamici di Apache Zeppelin sono supportati solo nei notebook dell'interprete SQL.
  5. Al termine della modifica del blocco note, fare clic su Indietro.
    Viene visualizzata di nuovo la pagina Notebooks Classic.
  • Esportare un blocco note
    È possibile esportare un blocco note classico nel file in formato Zeppelin ( .json ) e in formato Jupyter ( .ipynb ), quindi importarlo nello stesso ambiente o in un altro.
  • Importare un blocco note
    È possibile importare i blocchi note tra i pluggable database (PDB) nell'area di lavoro. È inoltre possibile importare i notebook Jupyter nell'interfaccia utente di Oracle Machine Learning.
  • Crea form casella di controllo nei blocchi note
    Il form casella di controllo supporta più selezioni di input in un paragrafo. Gli input sono disponibili come opzioni della casella di controllo nel blocco appunti.
  • Crea form selezione nei blocchi note
    Il form selezione consente di selezionare i valori di input da un elenco di valori e di recuperare dinamicamente i valori selezionati come definito nel paragrafo.
  • Crea form di input di testo nei blocchi note
    Il form Input testo consente di recuperare dinamicamente i valori definiti nel blocco note.

Argomento padre: Informazioni su Oracle Machine Learning Notebooks Classic

5.2.1 Esportare un notebook

È possibile esportare un notebook Classic in formato Zeppelin (.json ) e in formato Jupyter ( .ipynb ), quindi importarlo nello stesso ambiente o in un altro ambiente.

Per esportare un notebook classico:
  1. Nella pagina Notebooks Classic, selezionare i notebook da esportare. È possibile esportare uno o più blocchi appunti o tutti i blocchi appunti.
  2. Nel pannello superiore dell'editor blocco note, fare clic su Esporta, quindi fare clic su una delle seguenti opzioni:
    Formati notebook supportati per l'esportazione
    • Notebook da esportare: per esportare i notebook, fare clic su:
      • Tutto: consente di esportare tutti i notebook.
      • Selezionato: consente di esportare i notebook selezionati.
    • Formato: selezionare il formato in cui si desidera esportare il blocco note.
      • Zeppelin: esporta il blocco note come file .json (JavaScript Object Notation).
      • Jupyter: esporta il blocco note come file .ipynb.
    I notebook esportati vengono salvati come file .json o file .ipynb in una cartella compressa.

Argomenti correlati

Argomento padre: Modifica del blocco note classico

5.2.2 Importa un notebook

È possibile importare i notebook tra pluggable database (PDB) nell'area di lavoro. È inoltre possibile importare i notebook Jupyter nell'interfaccia utente di Oracle Machine Learning.

L'interfaccia utente di Oracle Machine Learning supporta l'importazione di notebook Zeppelin (.json) e Jupyter (.ipynb).

Nota

A partire da Oracle Database 20c, il termine "database" si riferisce in modo specifico ai file di dati di un container database multi-tenant (CDB), pluggable database (PDB) o di un container di applicazioni.
Per importare un notebook:
  1. Nella home page dell'interfaccia utente di Oracle Machine Learning fare clic su Notebooks Classic.
  2. Nella pagina Blocchi di nota Classic fare clic su Importa.
    Viene visualizzata la finestra di dialogo Caricamento file. Sfogliare e selezionare il blocco note che si desidera importare.

    Nota

    È necessario salvare il blocco note come file .json per importarlo. È possibile importare notebook esportati da ambienti non Oracle Apache Zeppelin, ma è possibile eseguire solo i tipi di paragrafi supportati.
  3. Nella finestra di dialogo Caricamento file, sfogliare e selezionare il file .json e fare clic su Apri.
    In questo modo il file notebook viene importato nell'area di lavoro.
  4. Fare clic sul blocco note importato per aprirlo. Nella pagina Blocchi note Classic fare clic sull'icona a forma di ingranaggio per visualizzare le associazioni dell'interprete.

Argomenti correlati

Argomento padre: Modifica del blocco note classico

5.2.3 Creazione di form casella di controllo nei blocchi note

Il modulo Casella di controllo supporta una selezione multipla di input in un paragrafo. Gli input sono disponibili come opzioni della casella di controllo nel blocco appunti.

Per creare un modulo casella di controllo, procedere come segue.
  1. Aprire il blocco appunti in cui si desidera aggiungere il modulo Casella di controllo.
  2. In un'istruzione SQL, definire il modulo Casella di controllo utilizzando la sintassi riportata di seguito.
    ${checkbox:formName=defaultValue1|defaultValue2...,option1|option2...}
    Ad esempio, eseguire l'istruzione 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');
    Nel seguente esempio la sintassi
    • Il modulo Casella di controllo è WhichColumn
    • Le opzioni di selezione multiple disponibili nelle caselle di controllo sono OWNER, OBJECT_NAME, OBJECT_TYPE, CREATED e STATUS
    • I campi OWNER e OBJECT_TYPE sono definiti come predefiniti
    • Il nome della tabella è ALL_OBJECTS
    • Le colonne configurate per la visualizzazione sono PROPRIETARIO, OBJECT_NAME, OBJECT_TYPE, CREATO e STATO
  3. Eseguire il notebook. Il modulo Casella di controllo denominato WhichForm è disponibile nel blocco note, come mostrato nello screenshot.checkbox_form

Argomento padre: Modifica del blocco note classico

5.2.4 Creazione di form di selezione nei blocchi note

Il modulo di selezione consente di selezionare i valori di input da un elenco di valori e di recuperare dinamicamente i valori selezionati come definito nel paragrafo.

Per creare un modulo Seleziona:
  1. Aprire il blocco appunti in cui si desidera aggiungere il modulo di input di testo.
  2. In un'istruzione SQL, definire il form Seleziona utilizzando la sintassi riportata di seguito.
    ${formName=defaultValue,option1|option2...}.
    Ad esempio, eseguire l'istruzione SQL:
    SELECT * FROM ALL_OBJECTS WHERE OBJECT_TYPE = '${OBJ=INDEX,INDEX|TABLE|VIEW|SYNONYM}';
    select_form
    Nel seguente esempio la sintassi
    • Il nome del form è obj
    • L'elenco dei valori disponibili è INDEX, TABLE, VIEW, SYNONYM.
    • Il nome della tabella è ALL_OBJECTS
    • Il nome della colonna è OBJECT_TYPE
    Selezionare i valori dall'elenco a discesa nel form oggetto. Il valore selezionato verrà recuperato nella colonna OBJECT_TYPE della tabella ALL_OBJECTS.

Argomento padre: Modifica del blocco note classico

5.2.5 Creazione di form di input di testo nei blocchi note

Il modulo Input testo consente di recuperare dinamicamente i valori definiti nel blocco appunti.

Per creare un modulo di input di testo:
  1. Aprire il blocco appunti in cui si desidera aggiungere il modulo Input testo.
  2. In un'istruzione SQL, definire il modulo Input testo utilizzando la sintassi riportata di seguito.
    ${formName}
    Ad esempio, eseguire l'istruzione SQL:
    SELECT * FROM ALL_OBJECTS WHERE OBJECT_TYPE = '${OBJ}';
    Nel seguente esempio la sintassi
    • Il nome del form è obj
    • Il nome della tabella è ALL_OBJECTS
    • Il nome della colonna è OBJECT_TYPE
    In questo caso, viene creato il form di testo obj per la colonna OBJECT_TYPE nella tabella ALL_OBJECTS. È possibile immettere valori diversi nel campo del modulo obj ed eseguire il blocco appunti per recuperare i valori corrispondenti nella colonna OBJECT_TYPE.
  3. Eseguire il paragrafo. Il blocco appunti ora visualizza il campo del modulo di input di testo obj, come mostrato nello screenshot. È possibile immettere valori nel campo obj ed eseguire il blocco appunti per recuperare i valori corrispondenti per la colonna OBJECT_TYPE nella tabella ALL_OBJECTS.
    • Se si immette TABLE nel campo obj ed si esegue il blocco note, il blocco note recupera TABLE nella colonna OBJECT_TYPE, come mostrato nello screenshot.modulo di input di testo con tabella del tipo di oggetto
    • Se si immette VIEW nel campo form obj ed si esegue il blocco note, il blocco note recupera il valore VIEW nella colonna OBJECT_TYPE, come mostrato nello screenshot. modulo di input di testo con vista tipo di oggetto
  4. È inoltre possibile assegnare valori predefiniti nel modulo utilizzando la sintassi riportata di seguito.
    ${formName=defaultValue}
    Per assegnare un valore predefinito al modulo Input testo, modificare l'istruzione SQL in modo che:
    SELECT * FROM ALL_OBJECTS WHERE OBJECT_TYPE = '${obj=TABLE}'
    In questo caso, il valore predefinito assegnato al modulo è TABLE. Una volta eseguito il paragrafo, il valore predefinito TABLE verrà recuperato nella colonna OBJECT_TYPE, come mostrato nello screenshot.
    modulo di input di testo con valore predefinito

Argomento padre: Modifica del blocco note classico

5.3 Versione di un notebook Classic

È possibile creare una versione o un backup di un notebook Classic, eseguire esperimenti su di esso e ripristinare il notebook originale, se necessario.

Per eseguire la versione di un notebook classico:
  1. Nella pagina Notebooks Classic, selezionare il blocco appunti di cui si desidera eseguire la versione e fare clic su Versione.
    Viene visualizzata la pagina Versioni.
  2. Nella pagina Versioni del blocco note selezionato, fare clic su + Versione.
    Aprire versioni.
  3. Nella finestra di dialogo Crea versioni immettere i commenti per la versione specifica del blocco note e fare clic su OK.
  4. Il blocco note con controllo delle versioni è ora elencato nella pagina Versioni. È possibile eseguire i task riportati di seguito.
    • Fare clic su + Versione per creare un'altra versione di una versione già esistente del notebook.
    • Fare clic su Nuovo notebook per creare un nuovo notebook dalla versione selezionata.
    • Fare clic su Elimina per eliminare la versione selezionata del blocco appunti.
    • Fare clic su Ripristina versione per ripristinare la versione precedente del notebook.
    • Fare clic su Torna ai notebook per andare alla pagina Classica dei notebook

Argomento padre: Informazioni su Oracle Machine Learning Notebooks Classic

5.4 Salvare i notebook Classic come modelli

È possibile salvare un notebook Classic esistente come modello in Personale o in Condiviso.

Per salvare un notebook classico come modello, effettuare le operazioni riportate di seguito.
  1. Nella pagina Notebooks Classic, selezionare il blocco appunti che si desidera salvare come modello e fare clic su Salva come modello.
    Viene visualizzata la finestra di dialogo Salva come modello.
  2. Nel campo Nome immettere un nome per il modello di blocco note.
  3. In Commenti, immettere eventuali commenti.
  4. Nel campo Tag immettere i tag per il modello.
  5. In Salva in selezionare:
    • Personale: se si desidera salvare questo modello blocco appunti in Personale in modo che solo il proprio account possa visualizzare o utilizzare questo blocco appunti.
    • Condiviso: se si desidera salvare e condividere questo modello di blocco note in modo che altri utenti possano visualizzare e creare blocchi note da questo modello che possono essere eseguiti e modificati.

Argomento padre: Informazioni su Oracle Machine Learning Notebooks Classic

5.5 Utilizzare l'interprete SQL in un paragrafo blocco note

Un notebook Oracle Machine Learning supporta più lingue. Ogni paragrafo è associato a un interprete specifico. Ad esempio, per eseguire istruzioni SQL, utilizzare l'interprete SQL. Per eseguire le istruzioni PL/SQL, utilizzare l'interprete script.

In un notebook dell'interfaccia utente di Oracle Machine Learning è possibile aggiungere più paragrafi e ogni paragrafo può essere connesso a interpreti diversi, ad esempio SQL o Python. L'utente identifica l'interprete da utilizzare specificando % seguito dall'interprete da utilizzare: sql, script, r, python, conda, markdown.

Un paragrafo ha una sezione di input e una sezione di output. Nella sezione di input specificare l'interprete da eseguire insieme al testo. Queste informazioni vengono inviate all'interprete da eseguire. Nella sezione di output vengono forniti i risultati dell'interprete.
In un paragrafo del blocco appunti è possibile utilizzare le seguenti direttive:
  • %sql: supporta le istruzioni SQL standard. In %sql i risultati di un'istruzione SELECT vengono visualizzati direttamente in un visualizzatore di tabelle, con accesso ad altre opzioni di visualizzazione. Utilizzare le opzioni nelle impostazioni del grafico per eseguire raggruppamenti, sommatoria e altre operazioni.
  • %script: supporta sia le istruzioni SQL che PL/SQL. In %script, i risultati di un'istruzione SELECT vengono forniti come output di stringa di testo.
  • %conda: supporta l'ambiente Conda. Digitare %conda all'inizio del paragrafo per connettersi all'ambiente Conda e utilizzare librerie di terze parti per Python.
  • %r: supporta gli script R. Digitare %r all'inizio del paragrafo per connettersi all'interprete R.
  • %python: supporta gli script Python. Digitare %python all'inizio del paragrafo per connettersi all'interprete Python.
  • %md: supporta il linguaggio markup markdown.

Nota

Per eseguire un Raggruppa per su tutti i dati, si consiglia di utilizzare gli script SQL per eseguire il raggruppamento nel database e restituire le informazioni di riepilogo per il creazione di grafici nel blocco note. Il raggruppamento a livello di notebook funziona bene per piccoli set di dati. Se si estraggono troppi dati sul notebook, potrebbero verificarsi problemi dovuti a memoria insufficiente. È possibile impostare il limite di righe per il blocco note utilizzando l'opzione Limite righe di rendering nella pagina Gruppo connessioni.
Per recuperare e visualizzare i dati in un notebook, effettuare le operazioni riportate di seguito.
  1. Nella pagina Blocco appunti, fare clic sul blocco appunti che si desidera eseguire.
    Il blocco appunti viene aperto in modalità di modifica.
  2. Digitare %SQL per chiamare l'interprete SQL e premere Invio. Il notebook è ora pronto per l'esecuzione delle istruzioni SQL.
  3. Digitare l'istruzione SQL per recuperare i dati da un Oracle Database. Ad esempio, digitare SELECT * FROM TABLENAME e fare clic su Icona Esegui. In alternativa, premere i tasti Shift+Enter per eseguire il blocco note.

    Nota

    I notebook devono essere aperti come utente normale, ovvero come utente non amministratore. L'opzione Esegui blocco note non è disponibile per l'amministratore.
    Recupera i dati nel notebook.
  4. I dati vengono visualizzati nell'output del paragrafo.
    I risultati dell'interprete vengono visualizzati nella sezione di output. La sezione di output del paragrafo comprende un componente grafico che visualizza i risultati in output grafico. L'interfaccia del grafico consente di interagire con l'output nel paragrafo del blocco appunti. È possibile eseguire e modificare un singolo paragrafo o tutti i paragrafi di un blocco appunti.
    Per Opzioni tabella, fare clic su Impostazioni e selezionare:

    • useFilter: consente di abilitare il filtro per le colonne.

    • showPagination: consente di abilitare l'impaginazione per una navigazione avanzata.

    • showAggregationFooter: consente di abilitare un piè di pagina per visualizzare i valori aggregati.

    È inoltre possibile ordinare le colonne facendo clic sulla freccia rivolta verso il basso accanto al nome della colonna.

    Per visualizzare i dati in formato tabulare, fare clic sulle rispettive icone per ciascuna rappresentazione grafica, come mostrato qui:
    • Fare clic su Grafico a barre per rappresentare i dati in un grafico a barre.
    • Fare clic su Grafico a torta per rappresentare i dati in un grafico a torta.
    • Fare clic su Grafico ad aree per rappresentare i dati in un grafico ad aree.
    • Fare clic su Grafico a linee per rappresentare i dati in un grafico a linee.
    • Fare clic su Grafico a dispersione per rappresentare i dati in un grafico a dispersione.

Argomenti correlati

Argomento padre: Informazioni su Oracle Machine Learning Notebooks Classic

5.5.1 Informazioni su Oracle Machine Learning for SQL

Oracle Machine Learning for SQL (OML4SQL) offre una potente funzionalità di Machine Learning all'avanguardia all'interno di Oracle Database. Puoi utilizzare Oracle Machine Learning for SQL per creare e distribuire modelli di machine learning predittivi e descrittivi, aggiungere funzionalità intelligenti alle applicazioni esistenti e nuove.

Oracle Machine Learning for SQL offre un ampio set di algoritmi nel database per eseguire una vasta gamma di attività di Machine Learning, tra cui classificazione, regressione, rilevamento delle anomalie, estrazione delle funzioni, clustering e analisi del market basket. Le interfacce programmatiche per OML4SQL sono PL/SQL per la creazione e la manutenzione di modelli e una famiglia di funzioni SQL per il punteggio.

Utilizzare il notebook Oracle Machine Learning con gli interpreti SQL e PL/SQL per eseguire rispettivamente le istruzioni SQL (%sql) e gli script PL/SQL (%script). Utilizzare Oracle Machine Learning for SQL per:
  • Eseguire l'esplorazione e l'analisi dei dati
  • Crea, valuta e distribuisci modelli di machine learning e
  • Dai un punteggio ai dati utilizzando questi modelli

Argomento padre: utilizzare l'interprete SQL in un paragrafo blocco note

5.5.2 Impostazione del formato di output nei notebook

Oracle Machine Learning Notebooks consente di preformattare l'output delle query nei notebook.

Per preformattare l'output della query, è necessario utilizzare il comando SET SQLFORMAT come indicato di seguito.
  1. Aprire un notebook in Oracle Machine Learning.
  2. Digitare il comando:
    %script
    SET SQLFORMAT format_option
    Ad esempio, se si desidera che l'output sia in formato ansiconsole, digitare il comando seguito dalla query SQL come indicato di seguito.
    SET SQLFORMAT ansiconsole;
    SELECT * FROM HR.EMPLOYEES;
    Il formato di output è ansiconsole e il nome della tabella è HR.EMPLOYEES.

    Nota

    Questa formattazione è disponibile per l'interprete di script. È pertanto necessario aggiungere il prefisso %script come mostrato in questo esempio.

Argomento padre: utilizzare l'interprete SQL in un paragrafo blocco note

5.5.3 Formati di output supportati dal comando SET SQLFORMAT

Il comando SET SQLFORMAT consente di generare l'output della query in vari formati.

Nota

Questi formati di output sono disponibili per l'interprete di script. È pertanto necessario includere il prefisso %script.
I formati di output disponibili sono elencati di seguito.

  • CSV: il formato CSV produce output di variabili standard separati da virgole, con valori stringa racchiusi tra virgolette. La sintassi è:

    %script

    SET SQLFORMAT CSV

  • HTML - Il formato HTML produce il codice HTML per una tabella reattiva. Il contenuto della tabella viene modificato in modo dinamico in modo da corrispondere alla stringa di ricerca immessa nel campo di testo. La sintassi è:

    %script

    SET SQLFORMAT HTML

  • XML - Il formato XML produce un documento XML basato su tag. Tutti i dati vengono presentati sotto forma di tag CDATA. La sintassi è:

    %script

    SET SQLFORMAT XML

  • JSON: il formato JSON produce un documento JSON contenente le definizioni delle colonne insieme ai dati in esso contenuti. La sintassi è:

    %script

    SET SQLFORMAT JSON

  • ANSICONSOLE - Il formato ANSICONSOLE ridimensiona le colonne alla larghezza dei dati per risparmiare spazio. Sottolinea anche le colonne, invece di una riga separata di output. La sintassi è:

    %script

    SET SQLFORMAT ANSICONSOLE

  • INSERT - Il formato INSERT produce le istruzioni INSERT che possono essere utilizzate per ricreare le righe in una tabella. La sintassi è:

    %script

    SET SQLFORMAT INSERT

  • LOADER - Il formato LOADER produce output delimitato da pipe con valori stringa racchiusi tra virgolette. I nomi delle colonne non vengono inclusi nell'output. La sintassi è:

    %script

    SET SQLFORMAT LOADER

  • FISSO - Il formato FISSO produce colonne a larghezza fissa con tutti i dati racchiusi tra virgolette doppie. La sintassi è:

    %script

    SET SQLFORMAT FIXED

  • DEFAULT - L'opzione DEFAULT cancella tutte le impostazioni SQLFORMAT precedenti e torna all'output predefinito. La sintassi è:

    %script

    SET SQLFORMAT DEFAULT

    Nota

    È anche possibile eseguire questo comando senza il nome di formato DEFAULT semplicemente digitando SET SQLFORMAT.

  • DELIMITED - Il formato DELIMITED consente di definire manualmente la stringa delimitatore e i caratteri racchiusi nei valori stringa. La sintassi è:

    %script

    SQLFORMAT DELIMITED delimiter left_enclosure right_enclosure

    Di seguito sono riportati alcuni esempi.

    %script

    SET SQLFORMAT DELIMITED ~del~ " "

    SELECT * FROM emp WHERE deptno = 20;

    Output:

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

    In questo esempio, la stringa delimitatore è ~del~ e i valori stringa, ad esempio EMPNO, ENAME, JOB e così via, sono racchiusi tra virgolette doppie.

Argomento padre: utilizzare l'interprete SQL in un paragrafo blocco note

5.6 Utilizzare l'interprete Python in un paragrafo del blocco note

Un notebook Oracle Machine Learning supporta più lingue. Ogni paragrafo è associato a un interprete specifico. Per eseguire i comandi Python in un notebook, è necessario prima connettersi all'interprete Python. Per utilizzare OML4Py, è necessario importare il modulo oml.

In un notebook dell'interfaccia utente di Oracle Machine Learning è possibile aggiungere più paragrafi e ogni paragrafo può essere connesso a interpreti diversi, ad esempio SQL o Python. L'utente identifica l'interprete da utilizzare specificando % seguito dall'interprete da utilizzare: sql, script, r, python, conda, markdown.

In questo esempio viene illustrato come:
  • Connettersi a un interprete Python per eseguire i comandi Python in un notebook
  • Importa i moduli Python: oml, matplotlib e numpy
  • Controllare se il modulo oml è connesso a Oracle Database

Nota

z è una parola chiave riservata e non deve essere utilizzata come variabile nei paragrafi %python nei notebook dell'interfaccia utente di Oracle Machine Learning.
Assunzione: l'esempio presuppone che sia stato creato un nuovo blocco note denominato Nota di copia.
  1. Aprire il blocco note Py e fare clic sull'icona Associazioni interprete. Visualizzare le associazioni di interpreti disponibili.
  2. Per connettersi all'interprete Python, digitare %python
    Ora è possibile eseguire script Python nel notebook.
  3. Per utilizzare il modulo OML4Py, è necessario importare il modulo oml. Digitare il comando Python seguente per importare il modulo oml e l'icona di esecuzione clic. In alternativa, è possibile premere i tasti Shift+Enter per eseguire il blocco appunti.
    import oml
  4. Per verificare se il modulo oml è connesso al database, digitare:
    oml.isconnected()
    Una volta collegato il notebook, il comando restituisce TRUE. Il notebook è ora connesso all'interprete Python e si è pronti per eseguire i comandi python nel notebook.

Esempio per dimostrare l'uso dei moduli Python - matplotlib e numpy e utilizzare i dati casuali per rappresentare due istogrammi.

  1. Per importare i moduli, digitare i seguenti comandi: 
    %python
import matplotlib.pyplot as plt
import numpy as np
    • Matplotlib: modulo Python per il rendering dei grafici
    • Numpy - Modulo Python per calcoli
  2. Digitare i seguenti comandi per calcolare e visualizzare i dati in due istogrammi.
    
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()
    In questo esempio, i comandi importano due moduli Python per calcolare e presentare i dati in due istogrammi list1 e list2.
  3. Fare clic su Esegui.
    La sezione di output del paragrafo che contiene un componente di creazione di grafici visualizza i risultati in due istogrammi: list1 e list2, come mostrato nello screenshot.
  • 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). Utilizzando i notebook dell'interfaccia utente di Oracle Machine Learning, puoi eseguire le funzioni Python sui dati per l'esplorazione e la preparazione dei dati, sfruttando al contempo Oracle Database come ambiente di elaborazione ad alte prestazioni. L'interfaccia utente (UI) di Oracle Machine Learning è disponibile tramite i servizi Autonomous Data Warehouse (ADW), Autonomous Transaction Processing (ATP) e Autonomous JSON Database (AJD).

Argomento padre: Informazioni su Oracle Machine Learning Notebooks Classic

5.6.1 Informazioni su 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). Utilizzando i notebook dell'interfaccia utente di Oracle Machine Learning, puoi eseguire le funzioni Python sui dati per l'esplorazione e la preparazione dei dati, sfruttando al contempo Oracle Database come ambiente di elaborazione ad alte prestazioni. L'interfaccia utente (UI) di Oracle Machine Learning è disponibile tramite i servizi Autonomous Data Warehouse (ADW), Autonomous Transaction Processing (ATP) e Autonomous JSON Database (AJD).

Oracle Machine Learning for Python (OML4Py) rende il linguaggio e l'ambiente di scripting Python open source pronti per l'azienda e i Big Data. Progettato per problemi che coinvolgono volumi di dati grandi e piccoli, Oracle Machine Learning for Python integra Python con Oracle Autonomous Database, inclusi i suoi potenti algoritmi di Machine Learning nel database e consente la distribuzione del codice Python.

Usa Oracle Machine Learning for Python per:
  • Esegui l'esplorazione dei dati, l'analisi dei dati e il machine learning utilizzando Python sfruttando Oracle Database come motore di calcolo ad alte prestazioni
  • Crea e valuta modelli di Machine Learning e assegna un punteggio ai dati utilizzando tali modelli da un'API Python integrata utilizzando algoritmi nel database
  • Distribuisci le funzioni Python definite dall'utente tramite un'interfaccia REST con elaborazione parallela dei dati e delle attività

L'interprete Python utilizza Python 3.8.5 per elaborare gli script Python nei notebook dell'interfaccia utente di Oracle Machine Learning. Per utilizzare l'interprete, specificare la direttiva %python all'inizio del paragrafo. L'interprete Python supporta i seguenti moduli Python:

  • 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

Argomenti correlati

Argomento padre: utilizzare l'interprete Python in un paragrafo blocco note

5.7 Utilizzare l'interprete R in un paragrafo blocco note

Un notebook Oracle Machine Learning supporta più lingue. Ogni paragrafo è associato a un interprete specifico. Per eseguire le funzioni R in un notebook Oracle Machine Learning, è necessario prima connettersi all'interprete R.

In un notebook dell'interfaccia utente di Oracle Machine Learning è possibile aggiungere più paragrafi e ogni paragrafo può essere connesso a interpreti diversi, ad esempio R, SQL o Python. L'utente identifica l'interprete da utilizzare specificando % seguito dall'interprete da utilizzare: sql, script, r, python, conda, markdown.

Questo esempio mostra come:
  • Connettersi all'interprete R per eseguire i comandi R in un notebook.
  • Verifica la connessione a Oracle Autonomous Database e
  • Caricare le librerie ORE
  1. Per connettersi all'interprete R, digitare la seguente direttiva all'inizio del paragrafo del blocco appunti e premere Invio:
    %r
  2. Per verificare la connessione al database, digitare il comando seguente e premere Invio:
    ore.is.connected()
    Una volta collegato il notebook, il comando restituisce TRUE, come mostrato nella schermata qui. Il notebook è ora connesso all'interprete R e si è pronti a eseguire i comandi R nel notebook.

    Figura 5-3 Test della connessione al database

    Test della connessione a Oracle Database
  3. Per importare le librerie R, eseguire i comandi seguenti: 
    library(ORE)
library(OREdplyr)
    Una volta che i pacchetti sono stati caricati correttamente, l'elenco dei pacchetti ORE viene visualizzato come mostrato nella schermata qui. Scorrere verso il basso per visualizzare l'intero elenco.

    Figura 5-4 Comandi per caricare i pacchetti R

    Carica package R

Argomento padre: Informazioni su Oracle Machine Learning Notebooks Classic

5.7.1 Informazioni su Oracle Machine Learning for R

Oracle Machine Learning for R (OML4R) è un componente della famiglia di prodotti Oracle Machine Learning, che integra R con Oracle Autonomous Database.

Oracle Machine Learning for R rende il linguaggio e l'ambiente di scripting R open source pronti per le aziende e i big data. È progettato per problemi relativi a volumi di dati grandi e piccoli. OML4R consente agli utenti di eseguire comandi e script R per analisi statistiche, di apprendimento automatico ed eseguire analisi di visualizzazione su tabelle e viste di database utilizzando la sintassi R.

Oracle Machine Learning for R è disponibile nell'interfaccia utente di Oracle Machine Learning, attualmente disponibile tramite Oracle Autonomous Database, tra cui Autonomous Data Warehouse, Autonomous Transaction Processing e Autonomous JSON Database. La funzionalità di esecuzione R incorporata di Oracle Machine Learning for R può essere distribuita tramite API SQL e REST su Autonomous Database.

Utilizza Oracle Machine Learning for R per:

  • Esegui l'esplorazione e la preparazione dei dati sfruttando perfettamente Oracle Database come ambiente di elaborazione ad alte prestazioni.
  • Esegui le funzioni R definite dall'utente sui motori R generati e controllati dal database, con funzionalità parallele ai dati e alle attività supportate dal sistema.
  • Accedi e utilizza potenti algoritmi di Machine Learning nel database dal linguaggio R.

Per utilizzare l'interprete R, specificare la direttiva %r all'inizio del paragrafo. I seguenti pacchetti R vengono installati per supportare Oracle Machine Learning for R.

Oracle Machine Learning for R Proprietary R Packages supportato

I pacchetti R proprietari Oracle Machine Learning for R supportati sono:

  • 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

Moduli R open source supportati

I seguenti pacchetti R open source sono supportati da 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

Requisiti degli interpreti di Oracle Machine Learning for R

L'interprete R richiede i seguenti pacchetti R open source:
  • 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

Argomento padre: utilizzare l'interprete R in un paragrafo blocco note

5.8 Utilizzare l'interprete Conda in un paragrafo del blocco note

Oracle Machine Learning Notebooks fornisce un interprete Conda per consentire agli amministratori di creare ambienti conda con librerie Python e R personalizzate di terze parti. Una volta creati, è possibile scaricare e attivare gli ambienti Conda all'interno di una sessione notebook anche utilizzando l'interprete Conda.

Un notebook Oracle Machine Learning supporta più lingue. A tale scopo, è necessario creare un blocco appunti con alcuni paragrafi per eseguire query SQL e altri paragrafi per eseguire script PL/SQL. Per eseguire un blocco appunti in diversi linguaggi di scripting, è innanzitutto necessario connettere i paragrafi del blocco appunti ai rispettivi interpreti, ad esempio SQL, PL/SQL, R, Python o Conda.

Questo argomento mostra come iniziare a lavorare nell'ambiente Conda:
  • Connettiti con l'interprete Conda
  • Scarica e attiva l'ambiente Conda
  • Visualizza l'elenco dei pacchetti nell'ambiente Conda
  • Eseguire una funzione Python per importare il set di dati dell'Iris e utilizzare il pacchetto seaborn per la visualizzazione
  1. Digitare %conda all'inizio del paragrafo per connettersi all'interprete Conda e premere Invio.
    %conda
  2. Avanti, scarica e attiva l'ambiente Conda. Tipo:
    download sbenv
activate sbenv
    In questo esempio, l'ambiente Conda viene scaricato e attivato. Il nome dell'ambiente Conda in questo esempio è sbenv.Scarica e attiva l'ambiente Conda
  3. È possibile visualizzare tutti i pacchetti presenti nell'ambiente Conda. Per visualizzare l'elenco di pacchetti, digitare list.
    Elenco dei pacchetti nella biblioteca del mare
  4. Ecco un esempio che dimostra come utilizzare il pacchetto di librerie di ghiande marine per la visualizzazione. Seaborn è una libreria di visualizzazione Python basata su matplotlib. Fornisce un'interfaccia di alto livello per disegnare grafiche statistiche interessanti. In questo esempio
    • Importazioni Panda e abete marino
    • Carica il set di dati Iris
    • Trama i datapoint, cioè le tre diverse specie del fiore di Iris - Setosa, Virginica e Versicolor in base alle sue dimensioni. Crea una trama a dispersione
    Tipo:
    %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()
    Comandi
  5. Eseguire la funzione in un paragrafo Python.
    Tipo:
    %python 
sb_plot()
    Visualizzazione mediante la libreria Python Seaborn
  • Informazioni sull'ambiente Conda e sull'interprete Conda
    Conda è un sistema di gestione di pacchetti e ambienti open source che consente l'uso di ambienti contenenti librerie Python e R di terze parti. L'interfaccia utente (UI) di Oracle Machine Learning fornisce l'interprete conda per installare librerie Python e R di terze parti all'interno di una sessione notebook.
  • Comandi dell'interprete Honda
    In questa tabella sono elencati i comandi per l'interprete Conda.

Argomento padre: Informazioni su Oracle Machine Learning Notebooks Classic

5.8.1 Informazioni sull'ambiente Conda e sull'interprete Conda

Conda è un sistema di gestione di pacchetti e ambienti open source che consente l'utilizzo di ambienti contenenti librerie Python e R di terze parti. L'interfaccia utente (UI) di Oracle Machine Learning fornisce l'interprete conda per installare librerie Python e R di terze parti all'interno di una sessione notebook.

Le librerie di terze parti installate in Oracle Machine Learning Notebooks possono essere utilizzate in:
  • Python standard
  • Valore retail standard
  • Esecuzione Python incorporata in Oracle Machine Learning for Python dalle API Python, SQL e REST
  • Esecuzione R incorporata in Oracle Machine Learning for R dalle API R, SQL e REST

Per iniziare a lavorare nell'ambiente Conda:

  1. Assicurarsi che un ambiente Conda venga salvato nello storage degli oggetti o aggiornare un pacchetto esistente installando una nuova versione.

    Nota

    L'ambiente Conda viene creato dall'utente ADMIN con ruolo OML_SYS_ADMIN. L'amministratore gestisce il ciclo di vita di un ambiente, incluse l'aggiunta o l'eliminazione di pacchetti e la rimozione di ambienti. Gli ambienti Conda vengono memorizzati in un bucket di storage degli oggetti associato ad Autonomous Database.
  2. Accedere all'interfaccia utente di Oracle Machine Learning e scaricare l'ambiente Conda. Per scaricare l'ambiente Conda, digitare: 
    %conda 
    download myenv
  3. Attivare l'ambiente Conda. Per attivare l'ambiente Conda, digitare: 
    activate myenv

    Nota

    Esiste un solo ambiente Conda attivo in un determinato momento.
  4. Creare un notebook, utilizzare l'interprete Conda per utilizzare librerie di terze parti nello storage degli oggetti. Per utilizzare l'interprete Conda, digitare %conda all'inizio del paragrafo per connettersi all'ambiente Conda e lavorare con librerie di terze parti per Python. È possibile passare da un ambiente Conda preinstallato a un altro. Ad esempio, è possibile disporre di un ambiente per l'utilizzo dell'analisi dei grafici e di un altro ambiente per l'analisi di Oracle Machine Learning.
  5. Disattivare l'ambiente Conda. Come best practice, disattivare l'ambiente Conda dopo aver terminato di lavorare all'analisi del machine learning. Per disattivare l'ambiente, digitare: 
    deactivate

Argomento padre: utilizzare l'interprete Conda in un paragrafo blocco note

5.8.2 Comandi di Honda Interpreter

In questa tabella sono elencati i comandi per l'interprete Conda.

Comandi interpreter Conda

Tabella 5-1 Comandi dell'interprete Conda

Task Comandi Ruolo
Creare un ambiente Conda. create -n <env_name> <python_version>
  • ADMIN
Rimuovere un elenco di pacchetti da un ambiente Conda specificato. È anche un alias per conda uninstall. remove -n <env_name> --all

Nota

L'ambiente Conda viene eliminato dalla sessione utente.
  • ADMIN
  • Utente OML
Elenca l'ambiente locale creato dall'utente. env list
  • ADMIN
  • Utente OML
Rimuovere l'ambiente locale creato dall'utente. env remove -n <env_name>
  • ADMIN
  • Utente OML
Visualizzare tutti i pacchetti e le versioni installate nell'ambiente attivo. list
  • ADMIN
  • Utente OML
Attivare un ambiente locale creato dall'utente. activate -n <env_name>
  • ADMIN
  • Utente OML
Disattiva l'ambiente corrente. deactivate
  • ADMIN
  • Utente OML
Installare un pacchetto esterno da un canale Conda pubblico. install -n <env_name> <package_name>
  • ADMIN
Disinstallare un pacchetto specifico da un ambiente Conda. È anche un alias per remove. uninstall -n <env_name> <package_name>
  • ADMIN
Visualizza informazioni sull'installazione Conda corrente. info
  • ADMIN
  • Utente OML
Visualizzare la Guida della riga di comando. COMMANDNAME --help
  • ADMIN
  • Utente OML
Caricare un ambiente Conda nello storage degli oggetti.

Nota

Si tratta di un comando specifico di Autonomous Database.
upload --overwrite <env_name> --description 'some description' -t <name> <value>

Nota

È possibile fornire più tag. Ad esempio: -t <name1> <value1> -t <name2> <value2> ..
  • ADMIN
Scaricare e decomprimere un ambiente Conda specifico dallo storage degli oggetti.

Nota

Si tratta di un comando specifico di Autonomous Database.
download --overwrite <env_name>
  • ADMIN
  • Utente OML
Elenca gli ambienti locali disponibili per l'utente. list-local-envs
  • ADMIN
  • Utente OML
Elenca tutti gli ambienti Conda nello storage degli oggetti.

Nota

Si tratta di un comando specifico di Autonomous Database.
list-saved-envs --installed-packages -e <env_name>
  • ADMIN
  • Utente OML
Eliminare un ambiente Conda.

Nota

Si tratta di un comando specifico di Autonomous Database.
delete <env_name>

Nota

L'ambiente Conda viene eliminato dallo storage degli oggetti.
  • ADMIN
Aggiornare i pacchetti Conda alla versione compatibile più recente. update
  • ADMIN
Aggiornare il pacchetto conda corrente. È anche un alias per conda update. upgrade
  • ADMIN
Cercare i pacchetti e visualizzare le informazioni associate. L'input è MatchSpec, un linguaggio di query per i package Conda. search
  • ADMIN
  • Utente OML

Argomento padre: utilizzare l'interprete Conda in un paragrafo blocco note

5.9 Chiamare l'interpreter ribasso e generare HTML statico da Testo normale ribasso

Utilizzare l'interprete Markdown e generare HTML statico dal testo normale Markdown.

Per chiamare l'interprete Markdown e generare HTML statico dal testo normale Markdown:
  1. Nel notebook digitare %md e premere Invio.
  2. Digitare "Hello World!" e fare clic su Esegui. Viene generato il testo HTML statico, come illustrato nello screenshot riportato di seguito.
    Testo HTML statico
  3. È possibile formattare il testo in grassetto. Per visualizzare il testo in grassetto, scrivere lo stesso testo all'interno di due coppie di asterischi e fare clic su Esegui.
    Testo in grassetto
  4. Per visualizzare il testo in corsivo, scrivere lo stesso testo all'interno di una coppia di asterischi o caratteri di sottolineatura come mostrato nella schermata e fare clic su Esegui.
    Testo in corsivo
  5. Per visualizzare il testo in un elenco puntato, inserire il prefisso *(asterisco) nel testo, come mostrato nello screenshot riportato di seguito.
    Testo in punti puntati
  6. Per visualizzare il testo in heading1, intestazione 2 e intestazione 2, prefisso # (hash) al testo e fare clic su Esegui. Per H1, H2 e H3, è necessario anteporre rispettivamente uno, due e tre hash.
    Intestazioni

Argomento padre: Informazioni su Oracle Machine Learning Notebooks Classic

5.10 Utilizzare l'area di modifica temporanea

Lo Scratchpad consente di accedere con un semplice clic a un notebook per eseguire istruzioni SQL, script PL/SQL, R e Python che possono essere rinominati. L'area di modifica temporanea è disponibile nella home page dell'interfaccia utente di Oracle Machine Learning.

Nota

L'area di modifica temporanea è un normale blocco appunti popolato con quattro paragrafi: %sql, %script,, %python e %r.

Dopo aver eseguito gli script, lo Scratchpad viene salvato automaticamente come blocco appunti con il nome predefinito Scratchpad nella pagina Blocchi appunti. È possibile accedervi in un secondo momento nella pagina Blocchi appunti. È possibile eseguire tutti i paragrafi insieme o un paragrafo alla volta.
  1. Per aprire e utilizzare l'area di modifica temporanea, fare clic su Area di modifica temporanea nella home page dell'interfaccia utente di Oracle Machine Learning in Azioni rapide. Viene visualizzata l'area di modifica temporanea. L'area di modifica temporanea contiene tre paragrafi ciascuno con le seguenti direttive:
    • %sql: consente di eseguire le istruzioni SQL.
    • %script: consente di eseguire script PL/SQL.
    • %python: consente di eseguire script Python.
    • %r: consente di eseguire gli script R.

    Figura 5-5 Blocco per gli appunti

    Scratchpad
  2. Per eseguire uno script SQL:
    1. Andare al paragrafo con la direttiva %sql.
    2. Digitare il comando seguente e fare clic sull'icona Esegui. In alternativa, è possibile premere i tasti Shift+Enter per eseguire il paragrafo.
      SELECT * FROM SH.SALES;
    In questo esempio, l'istruzione SQL recupera tutti i dati relativi alle vendite dei prodotti dalla tabella SALES. Qui, SH è il nome dello schema e SALES è il nome della tabella. L'interfaccia utente di Oracle Machine Learning recupera i dati pertinenti dal database e li visualizza in formato tabulare.

    Figura 5-6 Istruzione SQL in Scratchpad

    Istruzione SQL in Scratchpad
  3. Per eseguire lo script PL/SQL:
    1. Andare al paragrafo con la direttiva %script.
    2. Immettere il seguente script PL/SQL e fare clic sull'icona Esegui. In alternativa, è possibile premere i tasti Shift+Enter per eseguire il paragrafo.
      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;
      Lo script PL/SQL ha creato correttamente la tabella SMALL_TABLE. Lo script PL/SQL in questo esempio contiene due parti:
      • La prima parte dello script contiene l'istruzione SQL CREATE TABLE per creare una tabella denominata small_table. Definisce il nome della tabella, la colonna della tabella, i tipi di dati e le dimensioni. In questo esempio, i nomi delle colonne sono NAME, ID1, ID2, ID3, ID4, e TEXT.
      • La seconda parte dello script inizia con la parola chiave BEGIN. Inserisce 100 righe nella tabella small_table.

      Nota

      Quando si utilizza l'istruzione CREATE con una chiave primaria, l'operazione non riesce e viene visualizzato il messaggio di errore Privilegi insufficienti. Questo errore si è verificato a causa dei profili di blocco nel database. Se si verifica questo errore, contattare l'amministratore del database o l'amministratore della sicurezza designato per concedere i privilegi necessari.

      Figura 5-7 Script PL/SQL in Scratchpad

      Procedura PL/SQL in Blocco per gli appunti
  4. Per eseguire uno script python:
    1. Per utilizzare OML4Py, è innanzitutto necessario importare il modulo oml. oml è il modulo OML4Py che consente di manipolare oggetti di Oracle Database quali tabelle e viste, chiamare le funzioni Python definite dall'utente utilizzando l'esecuzione incorporata e utilizzare gli algoritmi di apprendimento automatico del database. Andare al paragrafo con la direttiva %python. Per importare il modulo oml, digitare il comando seguente e fare clic sull'icona Esegui. In alternativa, è possibile premere i tasti Shift+Enter per eseguire il paragrafo.
      import oml
    2. Per verificare se il modulo oml è connesso a Oracle Database, digitare oml.isconnected() e fare clic sull'icona Esegui. In alternativa, è possibile premere i tasti Shift+Enter per eseguire il paragrafo. 
      oml.isconnected()
    3. Ora è possibile eseguire lo script Python. Digitare il codice Python seguente e fare clic sull'icona di esecuzione. In alternativa, è possibile premere i tasti Shift+Enter per eseguire il paragrafo.
      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()
      In questo esempio, i comandi importano due pacchetti python per calcolare e visualizzare i dati in due istogrammi per list1 e list2. Di seguito sono riportati i pacchetti Python.
      • Matplotlib - pacchetto Python per il rendering dei grafici.
      • Numpy: pacchetto Python per calcoli.

      Figura 5-8 Script Python in Scratchpad

      Script Python in Blocco per gli appunti

      I due grafici per list1 e list 2 vengono generati dal motore python, come mostrato nello screenshot qui.

  5. Dopo aver creato ed eseguito gli script nell'area di modifica temporanea, l'area di modifica temporanea viene salvata automaticamente come blocco appunti con il nome predefinito Area di modifica temporanea nella pagina Blocchi appunti. È possibile modificare il nome del blocco note e salvarlo con il nuovo nome facendo clic su Modifica.

Argomento padre: Informazioni su Oracle Machine Learning Notebooks Classic

5.11 Collabora con Oracle Machine Learning

Due o più utenti possono collaborare e condividere i notebook Oracle Machine Learning User Interface (UI) con altri utenti.

È possibile collaborare con:

  • Concessione dell'accesso all'area di lavoro di un altro utente
  • Utilizzo dell'opzione di esportazione
  • Uso dei modelli di notebook dell'interfaccia utente di Oracle Machine Learning

Icona Esercitazione Collaborazione in Oracle Machine Learning

Argomento padre: Informazioni su Oracle Machine Learning Notebooks Classic