機能概要

• 機械学習手法の作成、評価、変更、共有、導入のためのインタラクティブなワークフロー・ツール
• ODMrツール・パレットのノード
  • データを可視化する参照ノードおよびグラフ・ノード - ヒストグラム、サマリー統計、散布図、ボックスプロット
  • 変換ノード - 変数のビニングおよび再コーディング、欠損値処理のほか、Oracle Machine Learningで自動的に準備したデータをドメインに関するユーザーの専門知識に基づいて作成した新しい「エンジニアリングされた特徴量」で上書きする機能など、一般的なデータ変換およびカスタムのデータ変換をサポートします。
  • 列フィルタ・ノード - 教師あり学習では、属性重要度/特徴量選択アルゴリズムを使用して最も影響の大きい属性を特定し、教師なし学習では、カルバック・ライブラー・ダイバージェンスを使用して、各属性と他の属性との相関の強さを特定します。
  • モデル構築ノード - トレーニング・データセットとテスト・データセット用のランダム・サンプルの作成、自動的なモデルのテストおよび評価のほか、混同行列、リフト・チャート、受信者動作特性（ROC）曲線、モデル統計量の計算などの一般的な手順を自動化します。モデル・ビジュアライザには、決定木、クラスタ・ツリー、モデル属性係数が含まれます。
• テーブルやビューの構造化データ（数値データ型およびVARCHARデータ型）、非構造化データ（CLOB）、トランザクション・データ、集計データ、空間データおよびグラフ・データを取り込み、処理します。
• 特定の機械学習手法に複数のアルゴリズムが存在する場合、モデル構築ノードは、比較のために複数の機械学習モデルを自動的に構築します。
• オープンソースのRとの統合により、データベース・サーバーでユーザー定義のR関数を実行できます。これには、データ並列およびタスク並列の実行を含みます（Oracle Machine Learning for Rを参照してください）。
• Big Data SQLとの連携により、Oracle Database、Spark、Hadoop、その他のデータソースを含む、幅広いビッグデータソースにわたるデータにアクセスできます。

ビジネス上の主な利点

• データ移動の排除、ビッグデータのスケーラビリティ、セキュリティの維持、モデル開発からモデル導入までの時間の短縮を実現できます。
• Oracle Database環境間を容易に移動でき、Oracle Machine Learningモデルおよび関連するデータの集約、変換、準備のためのスクリプトの開発、ステージング、本番環境への導入のシナリオをサポートします。
• 多様なスキルセットを持つ従業員が、データベース内の機械学習アルゴリズムを活用して、データドリブンのプロジェクトを実現できます。
• 使いやすい「ドラッグアンドドロップ」対応のユーザーインタフェースにより、「企業内データ・サイエンティスト」のナレッジ発見とモデル構築を加速します。
• ワークフローを通じて、開発した機械学習手法を文書化し、共有と自動化のために活用できます。
• ワークフローからSQLスクリプトやPL/SQLスクリプトを生成し、企業全体のモデル導入を自動化および加速できます。
• Workflow APIを使用して、プログラム的にワークフローを呼び出すことができます。

機能および拡張機能の完全なリストは、ドキュメントの製品リリース・ノートをご覧ください。