Oracle Data Mining函数和算法

最新推荐文章于 2021-04-03 09:21:30 发布

翻译最新推荐文章于 2021-04-03 09:21:30 发布 · 2.2k 阅读

文章标签：

43 篇文章

订阅专栏

本文介绍了Oracle Data Mining API支持的预测与描述挖掘函数及其应用示例，包括分类、异常检测、回归等预测函数和聚类、关联规则等描述函数，并列举了相应的算法。

Oracle Data Mining函数和算法

Oracle Data Mining API支持预测和描述挖掘函数。预测函数，使用训练数据来预测一个目标值。描述函数，识别数据内在的关系。每个挖掘函数都指明一类要解决的问题，每种都可以用一个或多个算法实现。API也提供基本的数据转换工具来准备用于挖掘的数据。

Oracle Data Mining预测函数

函数	描述	示例问题	算法
Classification	一种分类模型，使用历史数据来预测新的离散的或分类的数据	给定一系列的客户人口统计数据，预测客户对affinity card程序的响应。	Naïve Bayes,Adaptive Bayes Network, Support Vector Machine, Decision Tree
Anomaly Detection	不规则检测模型预测是否数据位于一个给定分布的典型位置	给定一系列客户的统计数据，识别客户与正常不同的购买行为	PL/SQL和JAVA API当前支持一类 SVM使用分类挖掘函数和没有目标的SVM算法。
Regression	衰退模型使用历史数据来预测新的连续的，数字的数据	给出一系列客户的统计数据和购买数据，预测客户年龄	Support Vector Machine
Attribute Importance	属性价值模型识别在预测一个给出的结果中重要属性的关系	给出客户对affinity card节目的反应，查找重要的独立属性	Minimal descriptor Length

Oracle Data Mining描述函数

函数	描述	示例问题	算法
Clustering	聚集模型识别数据集的自然分组	分段统计数据到10个聚集中，并且学习独立的聚集，尽可能的分类	Enhanced k-means, Orthogonal Clustering
Association Rules	关联模型识别数据集关系和他们发生的可能	查找客户买的物品之间的关系	Apriori
Feature Extraction	特性抽取模型基于模型创建一个优化的数据集	给定一系列客户的统计数据，从数据集中抽取典型特征。	Non-Negative Matrix Factorization