PREDICTION |
Prédiction |
|---|---|
| Oracle Database SQL | Oracle 10g Release 2 (10.2) ou supérieure |
Syntaxe
| PREDICTION ( [ grouping_hint ] [ schema . ] model [ cost_matrix_clause ] mining_attribute_clause ) |
| PREDICTION ( ( OF ANOMALY | FOR expr ) [ cost_matrix_clause ] mining_attribute_clause ) OVER ( mining_analytic_clause ) |
Paramètres
| Nom | Description |
|---|---|
| grouping_hint | Ce paramètre permet d'indiquer une option de regroupement lors de la prédiction, afin d'améliorer la performance ou la précision. |
| schema | Ce paramètre permet de spécifier le schéma Oracle dans lequel se trouve le modèle utilisé pour la prédiction. |
| model | Ce paramètre permet d'indiquer le nom du modèle d'apprentissage machine sur lequel la fonction effectuera la prédiction. |
| cost_matrix_clause | Ce paramètre permet de définir une matrice de coûts utilisée pour ajuster la prédiction en tenant compte des coûts d'erreur spécifiques. |
| mining_attribute_clause | Ce paramètre permet de spécifier les attributs ou colonnes des données à utiliser comme entrées pour la prédiction. |
| OF ANOMALY | Ce paramètre optionnel permet de demander une prédiction spécifique liée à la détection d'anomalies dans les données. |
| FOR expr | Ce paramètre permet de désigner une expression ou valeur spécifique pour laquelle la prédiction est demandée. |
| OVER (mining_analytic_clause) | Ce paramètre permet de définir la fenêtre analytique (partition, ordre,...) utilisée pour effectuer la prédiction dans un contexte analytique. |
Description
Cette fonction permet d'obtenir la valeur prédite d'un modèle d'apprentissage machine appliqué sur des données spécifiques.
Remarques
- La fonction PREDICTION est essentielle pour exploiter les modèles d'apprentissage machine stockés dans la base Oracle. Elle permet d'exécuter directement dans la base des prédictions sans nécessiter d'exporter les données, ce qui améliore les performances et la sécurité.
- Le paramètre grouping_hint offre une option avancée pour optimiser la prédiction. En regroupant certaines opérations, il peut réduire la charge computationnelle ou améliorer la précision, surtout sur de grands volumes de données.
- La spécification du schema permet une meilleure organisation des modèles dans la base. En indiquant explicitement le schéma, on évite les ambiguïtés lors de l'appel de modèles ayant le même nom dans différents schémas, facilitant la gestion multi-utilisateurs.
- Le paramètre model est obligatoire et désigne le modèle d'apprentissage machine à utiliser. Il peut s'agir de modèles de classification, régression, clustering, ou détection d'anomalies, préalablement entraînés avec Oracle Data Mining.
- La clause cost_matrix_clause est un puissant levier pour ajuster les prédictions selon le contexte métier. Par exemple, dans un scénario de détection de fraude, le coût d'une fausse alerte peut être différent du coût d'un faux négatif, et cette matrice permet de moduler les décisions.
- Le mining_attribute_clause précise les données en entrée utilisées par le modèle. Cela permet de filtrer ou transformer les colonnes d'entrée, pour affiner la prédiction et réduire le volume des données traitées.
- La variante PREDICTION(OF ANOMALY ...) cible spécifiquement la détection d'anomalies. Elle est très utile pour identifier des comportements inhabituels ou des erreurs dans les données, ce qui est crucial dans la surveillance des systèmes ou la prévention des fraudes.
- Le paramètre FOR expr permet d'exécuter une prédiction ciblée pour une valeur ou un ensemble de valeurs précis. Cela est pratique pour obtenir des résultats personnalisés sans traiter tout l'ensemble de données.
- La clause analytique OVER (mining_analytic_clause) permet de réaliser des prédictions dans un contexte de fenêtre glissante ou partitionnée. Cela rend possible l'analyse prédictive en temps réel sur des sous-ensembles spécifiques, comme par client, période ou région.
- La fonction PREDICTION simplifie l'intégration de la data science dans les applications Oracle. Les développeurs peuvent appeler directement les modèles prédictifs depuis SQL ou PL/SQL sans maîtriser les détails internes des algorithmes.
- La fonction gère différents types de modèles, ce qui la rend très polyvalente. Que ce soit pour des tâches de scoring, classification multi-classes ou estimation d'anomalies, PREDICTION centralise ces usages dans un même point d'accès.
- Enfin, cette fonction participe à la démocratisation de l'intelligence artificielle en entreprise. En intégrant les prédictions directement dans la base Oracle, elle facilite la prise de décision automatique, le reporting avancé et l'automatisation des flux de travaux basés sur les données.
Dernière mise à jour : Dimanche, le 29 Juin 2025