テキスト・マイニング
20 テキスト・マイニング この章では、Oracle Data Miningを使用してテキストをマイニングする方法について説明します。 この章では、次の項目について説明します。 非構造化データとは Oracle Data Miningでの非構造化データのサポート方法 マイニング用のテキストの準備 テキスト・マイニング問題の例 Oracle Data MiningとOracle Text 非構造化データとは データ・マイニング・アルゴリズムは、リレーショナル・データベースやスプレッドシートに保存された量的データおよび質的データに作用します。量的データにはINTEGER、DECIMAL、FLOATなどの型があり、質的データにはCHARやVARCHAR2などの型があります。 量的データでも質的データでもないデータ項目をマイニングする場合を考えます。Webページ、ドキュメント・ライブラリ、Powe
Non-Negative Matrix Factorization
16 Non-Negative Matrix Factorization この章では、特徴抽出用にOracle Data Miningで使用される監視なしアルゴリズムであるNon-Negative Matrix Factorizationについて説明します。 注意: Non-Negative Matrix Factorization（NMF）は、「Learning the Parts of Objects by Non-Negative Matrix Factorization」という論文（D. D. Lee、H. S. Seung共著、『Nature』誌第401号P.788～791、1999年）に記述されています。 NMFとは Non-Negative Matrix Factorization（NMF）は、最新の抽出アルゴリズムです。NMFは、多数の属性があるときに、これらの属性があいま
サポート・ベクター・マシン
サポート・ベクター・マシンとは サポート・ベクター・マシン（SVM）は、Vapnik-Chervonenkis理論に基づいた強固な理論的基礎を持つ最新の強力なアルゴリズムです。SVMは、強力な正則化プロパティを持ちます。正則化は、新しいデータへのモデルの一般化を指します。 SVMの利点 SVMモデルは、一般的なデータ・マイニング手法であるニューラル・ネットワークおよび動径基底関数に似た関数形式を持ちます。ただし、どちらのアルゴリズムも、SVMの基盤を形成する正則化に対して根拠のある理論的アプローチを持ちません。SVMのトレーニングの容易性と一般化の質は、これらのより伝統的な手法の機能をはるかに凌いでいます。 SVMでは、テキストや画像の分類、手書き文字の認識、バイオインフォマティクスや配列分析など、実際の世界の複雑な問題をモデル化できます。 SVMは、モデルのトレーニング対象となるケースが
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
