ML(머신 러닝) 모델 사용

데이터 변환은 데이터 흐름에서 ML 모델 사용을 지원합니다. 데이터 플로우에서 머신 러닝(ML) 모델을 생성하고 사용하는 방법을 알아봅니다.

데이터 플로우 편집기에서 ML 모델 데이터 엔티티 생성
데이터 변환에서 ML 모델을 사용하려면 두 개의 데이터 플로우를 생성해야 합니다. 먼저 데이터 플로우 편집기를 사용하여 ML 모델 데이터 엔티티를 빌드해야 합니다. 그런 다음 데이터 플로우의 데이터 엔티티를 사용하여 소스 접속의 데이터를 마이닝하고 대상 서버로 로드할 수 있습니다.
ML 모델 데이터 엔티티 속성
데이터 엔티티 추가 마법사의 속성 탭에서는 ML 모델 데이터 엔티티를 정의하는 데 사용할 수 있는 데이터 마이닝 옵션을 제공합니다.
데이터 플로우에서 ML 모델 사용
예측 모델 데이터베이스 함수를 사용하여 소스 데이터에 대한 ML 모델 알고리즘을 실행하고 결과를 대상 데이터베이스에 로드할 수 있습니다.

데이터 플로우 편집기에서 ML 모델 데이터 엔티티 생성

데이터 변환에서 ML 모델을 사용하려면 두 개의 데이터 플로우를 생성해야 합니다. 먼저 데이터 플로우 편집기를 사용하여 ML 모델 데이터 엔티티를 빌드해야 합니다. 그런 다음 데이터 플로우의 데이터 엔티티를 사용하여 소스 접속의 데이터를 마이닝하고 대상 서버로 로드할 수 있습니다.

데이터 플로우 편집기에서 ML 모델 데이터 엔티티를 빌드하려면

ML 모델을 빌드할 데이터 엔티티를 디자인 캔버스로 끌어옵니다.
구성요소를 선택하고 대상 구성요소의 오른쪽 맨 위에 있는 [데이터 엔티티 추가] 아이콘 을 누릅니다.
대상 구성요소의 다음 세부정보를 구성할 수 있는 데이터 엔티티 추가 페이지가 나타납니다.
일반 사항 탭
- 이름 텍스트 상자에 새로 생성된 데이터 엔티티의 이름을 입력합니다.
- 엔티티 유형 드롭다운에서 데이터 엔티티 유형으로 ML 모델을 선택합니다.
  이 엔티티 유형을 선택하면 사용자 인터페이스가 다음과 같이 변경됩니다.
  - 접속 드롭다운에는 사용자가 생성한 Oracle 접속만 나열됩니다.
  - 데이터 엔티티 추가 마법사는 학습 유형, 함수, 알고리즘을 선택하고 ML 모델을 정의하도록 매개변수를 구성할 수 있는 속성 탭을 표시합니다. 자세한 내용은 ML 모델 데이터 엔티티 속성을 참조하십시오.
- 접속 유형 드롭다운에서 새로 생성된 데이터 엔티티를 추가할 필수 접속을 선택합니다. ML 모델 데이터 엔티티의 경우 접속 유형 드롭다운에는 Oracle만 옵션으로 나열됩니다.
- Connection 드롭다운은 연관된 연결 유형으로 생성한 연결로 채워집니다. 접속 드롭다운에서 ML 모델 데이터 엔티티를 유지하려는 서버 이름을 선택합니다.
- 스키마 드롭다운에서 선택한 연결에 해당하는 모든 스키마가 두 그룹으로 나열됩니다.
  - 새 데이터베이스 스키마(이전에는 임포트하지 않은 데이터베이스 스키마) 및
  - 기존 데이터베이스 스키마(이전에 임포트했으며 데이터 엔티티를 대체할 수 있는 영역)입니다.
  스키마 드롭다운에서 필요한 스키마를 선택합니다.
- 태그 텍스트 상자에 선택한 태그를 입력합니다. 태그를 사용하여 [데이터 엔티티] 페이지에 표시되는 데이터 엔티티를 필터링할 수 있습니다.
- 이 데이터 엔티티를 기능 그룹으로 표시하려면 고급 옵션을 확장하고 기능 그룹으로 처리 체크박스를 누릅니다.
- 다음을 누르십시오.
속성 탭
- 이 데이터 엔티티를 작성하는 데 사용할 학습 유형, 함수 및 알고리즘을 선택합니다. 옵션에 대한 자세한 내용은 ML 모델 데이터 엔티티 속성을 참조하십시오.
- 선택한 옵션에 따라 매개변수 섹션은 "중요" 및 "높음"으로 표시된 매개변수 목록으로 채워집니다. 아이콘을 사용하여 다른 필수 매개변수를 추가할 수 있습니다.
  데이터 플로우가 성공적으로 실행될 수 있도록 각 매개변수에 대한 값을 지정해야 합니다.
열 탭
- 열 추가 아이콘을 눌러 새로 생성된 데이터 엔티티에 새 열을 추가합니다.
  표시된 테이블에 새 열이 추가됩니다.
- 테이블에는 다음 열이 표시됩니다.
  - 이름
  - 데이터 유형 - 필요한 데이터 유형을 구성하려면 셀을 누릅니다.
  - 스케일
  - 길이
  - 작업 - 생성된 열을 삭제하려면 교차 아이콘을 누릅니다.
- 열을 대량으로 삭제하려면 열을 선택하고 삭제 아이콘을 누릅니다.
- 필요한 열 세부정보를 검색하려면 검색 텍스트 상자에 필요한 열 이름을 입력하고 Enter 키를 누릅니다. 필요한 열의 세부 정보가 표시됩니다.
- 다음을 누르십시오.
데이터 엔티티 미리보기 탭

생성된 모든 열과 구성된 세부정보의 미리보기를 표시합니다. 데이터 엔티티가 Oracle 데이터베이스에 속하는 경우 테이블의 통계도 볼 수 있습니다. 자세한 내용은 데이터 엔티티의 통계 보기를 참조하십시오.
저장을 눌러 구성을 저장하고 마법사를 종료합니다.
데이터 플로우를 저장하고 실행합니다.
새 데이터 엔티티가 생성됩니다. [데이터 엔티티] 페이지에 표시됩니다.

상위 토픽: 머신 러닝(ML) 모델 사용

ML 모델 데이터 엔티티 속성

데이터 엔티티 추가 마법사의 속성 탭에서는 ML 모델 데이터 엔티티를 정의하는 데 사용할 수 있는 데이터 마이닝 옵션을 제공합니다.

이 항목에서는 데이터 마이닝 기능 및 알고리즘과 같은 Oracle Machine Learning 개념에 대한 사전 지식을 가정합니다. 자세한 내용은 Oracle Machine Learning for SQL API Guide를 참조하십시오.

다음 옵션 중 하나를 사용하여 ML 모델 데이터 엔티티의 속성을 구성할 수 있습니다.

학습 유형: 감독됨
- 함수: 분류
  - 의사결정 트리
  - 명시적 의미 분석
  - 일반화된 선형 모형
  - Naive Bayes
  - 랜덤 포레스트
  - 신경망
  - Support 벡터 머신
- 함수: 회귀
  - 일반화된 선형 모형
  - 신경망
  - Support 벡터 머신
- 함수: 시계열
  - 지수 평활
- 함수: 속성 중요도
  - 최소 설명 길이
학습 유형: 감독되지 않음
- 함수: 연관
  - 아프리오리
- 함수: 속성 중요도
  - CUR 매트릭스 분해
- 기능: 변칙 탐지
  - 하나의 클래스 지원 벡터 기계
- 함수: 클러스터링
  - 예상 최대화
  - K-평균
  - 직교 분할 클러스터화
- 기능: 기능 추출
  - 명시적 의미 분석
  - 비음수 행렬 인수
  - 단일 값 분해

상위 토픽: 머신 러닝(ML) 모델 사용

데이터 플로우에서 ML 모델 사용

예측 모델 데이터베이스 함수를 사용하여 소스 데이터에 대한 ML 모델 알고리즘을 실행하고 결과를 대상 데이터베이스에 로드할 수 있습니다.

데이터 플로우에서 ML 모델을 사용하려면 먼저 ML 모델을 구축해야 합니다. ML 모델 생성 방법에 대한 지침은 데이터 플로우 편집기에서 ML 모델 데이터 엔티티 생성을 참조하십시오.

데이터 플로우에서 ML 모델을 사용하려면 다음을 수행합니다.

데이터 플로우 생성의 지침에 따라 새 데이터 플로우를 생성합니다.
데이터 플로우 편집기에서 데이터 플로우의 소스로 사용할 테이블을 끌어서 디자인 캔버스에 놓습니다.
데이터베이스 함수 도구 모음에서 머신 러닝을 누르고 예측 모델 변환 구성요소를 디자인 캔버스에 끌어 놓습니다.
예측 모델 변환 구성요소를 눌러 해당 속성을 봅니다.
일반 사항 탭에서 다음을 지정합니다.
- 접속 - 사용 가능한 모든 Oracle 접속이 드롭다운에 나열됩니다. 사용할 Oracle 연결을 선택합니다.
- 스키마 - 스키마를 선택하십시오.
- ML 모델 - 드롭다운에는 사용 가능한 모든 ML 모델이 나열됩니다. ML 모델 작성 방법에 대한 지침은 데이터 플로우 편집기에서 ML 모델 데이터 엔티티 생성을 참조하십시오.
열 매핑 탭에서 포함할 소스 열을 연산자의 INPUT 속성에 매핑합니다. 열 매핑에서 사용할 수 있는 열은 prediction parameters뿐입니다. 사용 가능한 열에서 표현식 열로 텍스트 열을 끕니다.
데이터 플로우에서 대상으로 사용할 테이블을 끌어서 디자인 캔버스에 놓습니다.
데이터 플로우를 저장하고 실행합니다.
데이터 변환은 소스 데이터에서 예측 모델을 실행하고 결과를 대상 테이블에 씁니다.

상위 토픽: 머신 러닝(ML) 모델 사용