RのOracle Machine Learning

RのOracle Machine Learning

Oracle Machine Learning for R (OML4R)により、オープン・ソースの統計プログラミング言語であるRとその環境をエンタープライズおよびビッグ・データに対応させることができます。大量および少量のデータが絡む問題を想定して設計されたOML4Rで、RとOracle Databaseが統合されます。

詳細を見る

Machine Learning for R

データ・サイエンティストや広範なRユーザーは、Oracle Databaseで管理されるデータ上でRエコシステムを利用できます。Rは、データ操作、グラフィック、統計関数、および機械学習アルゴリズム向けに一連のソフトウェア・パッケージを提供します。Oracle Machine Learning for Rは、Rからのデータベース・データの透過的アクセスと操作、インデータベース機械学習アルゴリズム、組み込みR実行の使用によるデプロイの容易さという3つの主要領域を通じてRの機能を拡張します。

また、Oracle Machine Learningは"ドラッグ・アンド・ドロップ"グラフィカル・ユーザー・インタフェースのOracle Data Minerもサポートしています。これは、Oracle SQL Developerと統合しており、ユーザー作成の分析ワークフローの一部としてユーザー定義のR関数を実行できます。

製品詳細

すべて開く すべて閉じる

機能概要

  • データベース・データ上で動作するRスクリプトの迅速な開発とデプロイ
  • 自然なR APIからスケーラブルなインデータベース機械学習アルゴリズム、データ準備、データ探索、統計分析を使用
  • RおよびSQL APIからデータベース管理のRエンジンを使用して、データ並列実行およびタスク並列実行によるユーザー定義のR関数を実行
  • ユーザー・アクセス権限を伴ったインデータベースRスクリプト・リポジトリおよびRオブジェクト・データ・ストアの使用
  • Oracle Analytics Cloud、Oracle Data Visualization Desktop、およびOracle Business Intelligenceダッシュボードを介してRベースの結果を追加
OML4Rアイコン

ビジネス・メリット

  • Oracle DatabaseをRインタフェースを通じて高パフォーマンスのコンピュート環境として利用
  • スケーラブルなインデータベースの機械学習アルゴリズムと統計関数を利用
  • 本番アプリケーションのRスクリプトを運用可能にし、Rコードの移植またはデプロイメント・インフラストラクチャの再発明を排除
  • データ移動を最小限に抑制
  • Rコミュニティによって提供されるRパッケージを使用
  • 既存のデータベース・バックアップおよびリカバリ・メカニズムとプロシージャを自動的に利用
  • Oracle Big Data SQLを通じてData Lakeからデータにアクセス
OML User Roles

主な機能

透過性レイヤー - R data.frameプロキシ・オブジェクトを利用することで、データはデータベースの表やビューとして保持されます。オーバーロードされたR関数により、選択されたR機能がインデータベース処理、並列処理、スケーラビリティ、およびセキュリティのための同等のSQLに変換されます。データ・サイエンティストは、使い慣れたR構文を使用してデータベースに保持されたデータベース・データを操作できます。パッケージOREdplyrを利用し、これによって一般的なオープン・ソースR dplyrパッケージからオーバーロードされた機能が提供されます。

機械学習アルゴリズム - Rユーザーは、R言語を使用してデータベース内パラレル・アルゴリズムのOracle Machine Learningのライブラリを利用できます。ユーザーは、使い慣れたR計算式構文を使用して機械学習モデルを指定できます。アルゴリズムは、分類、回帰、異常検出、クラスタリング、特徴抽出、時系列、および相関ルールをサポートします。

R埋め込みの実行 - データ並列、タスク並列、および非パラレルの実行のためにOracle Databaseでユーザー定義のRスクリプトを管理して起動します。ここでも、CRANリポジトリなどのサード・パーティのRパッケージを使用する場合があります。データ・サイエンティストが独自の要件を満たすためにRエコシステムのテクニックを必要とする場合、Rエコシステムを利用できます。

OML4Rアーキテクチャ

その他の機能

統合テキスト・マイニング - インデータベース・アルゴリズムが表およびビューからテキスト列をアクセプトしたのち、用語とテーマの抽出を自動化します。抽出されたデータは、モデルの構築とデータのスコアリングにおける他の予測変数と組み合わせます。

パーティション化モデル - インデータベース・モデルにより、ユーザーは一連のモデルを自動的に作成できます。ここでは、各コンポーネント・モデルはデータのユーザー指定のパーティションに構築されます。単一の統合されたモデルを使用して、スコアリングを有効化して簡素化します。

Trending in R
 
Oracle Machine Learning for Rを始めよう