Oracle Data Mining函数和算法

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