これらの分析関数は、このリリースの新機能です。
- TD_Pivoting。データをピボットします。つまり、データをスパース形式からデンス形式に変更します。
- TD_Unpivoting。データをピボット解除します。つまり、データをデンス形式からスパース形式に変更します。
このリリースでは、次の分析関数が強化されました。
- TD_Categoricalsummary。 DistinctValue列は、出力tableスキーマでVARCHAR (CHARACTER SET LATIN または UNICODE)データ型をサポートします。
- TD_DecisionForestPredict。出力の最後にある累積列の変更など、パフォーマンスと使いやすさが強化されました。
- TD_GLMPredict。 TD_GLMPredicに対するオプションのFamily引数。引数は、モデルをトレーニングするために TD_GLMで使用された分布指数族を指定します。
- TD_KMeans。初期重心選択のためのKMeans++アルゴリズムをサポートします。KMeans++アルゴリズムは、互いに遠く離れた初期重心を選択する方法であり、同じクラスタから初期重心が選択される可能性を減らします。KMeans++はクラスタリングの全体的な品質を向上させ、KMeansアルゴリズムの収束を高速化することもできます。
- TD_KMeansPredict。TD_KMeans関数によって出力されたクラスタ重心のテーブルと入力テーブルを受け取ります。モデルを使用して、入力データ ポイントをクラスタの重心に割り当てます。
- TD_ScalefitとTD_ScaleTransform。PARTITION BYをParameterTableおよびAttributeTableとともにサポートし、異なる入力データ パーティションを互いに独立してスケーリングします。オプションの引数IgnoreInvalidLocationScaleを追加しました。これにより、位置パラメータとスケール パラメータの無効な値に対するエラーを無視するオプションが提供されます。
- TD_SVMPredict。オプションのModelType引数がTD_SVMPredictに追加されました。引数は、TD_SVMがデータセットをトレーニングするために使用するモデル タイプを指定します。
以下の機能を組み合わせました。
- TD_GLMとTD_GLMPerSegment: TD_GLMには、PARTITION BY ANYとPARTITION BY KEYが含まれます。TD_GLMPerSegmentは使用しないでください。
- TD_GLMPredictとTD_GLMPredictPerSegment: TD_GLMPredict には、PARTITION BY ANY と PARTITION BY partition_columnが含まれています。TD_GLMPredictPerSegmentは使用しないでください。
Teradata Vantage™ - Analytics Database分析関数を参照してください。