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
|