入力
このドキュメントのすべての完全なサンプルは、ダウンロード可能なzipファイルの形式で入手できます。zipファイルには、サンプルの入力テーブルを作成するSQLスクリプト ファイルが含まれています。https://docs.teradata.com/でこのドキュメントを参照している場合は、左側のサイドバーの添付ファイル
からzipファイルをダウンロードできます。- InputTable: svm_iris_input_test
- モデル: svm_iris_model、ML Engine SVMSparse関数により出力
モデルはバイナリ形式です。その読み取り可能なコンテンツを表示するには、ML EngineSVMSparseSummary関数を使用します。
id | species | attribute | value |
---|---|---|---|
5 | setosa | sepal_length | 5.0 |
5 | setosa | sepal_width | 3.6 |
5 | setosa | petal_length | 1.4 |
5 | setosa | petal_width | 0.2 |
10 | setosa | sepal_length | 4.9 |
10 | setosa | sepal_width | 3.1 |
10 | setosa | petal_length | 1.5 |
10 | setosa | petal_width | 0.1 |
15 | setosa | sepal_length | 5.8 |
15 | setosa | sepal_width | 4.0 |
15 | setosa | petal_length | 1.2 |
15 | setosa | petal_width | 0.2 |
..。 | ..。 | ..。 | ..。 |
classid | weights |
---|---|
-3 | 757365686173683A66616C736500636F73743A312E300073616D706C656E756D6265723A31323000736565643A3932333038343200636C6173736E756D6265723A33006973636F6E7665726765643A66616C736500666561747572656E756D6265723A3400697373696E676C656E6F64653A7472756500636C61737377656967687473737472696E673A0066696E616C6C6F73733A33312E37333030393836383531373130323600657073696C6F6E3A302E303100626961733A302E300066696E616C737465703A313030303000636C617373776569676874733A312E302C312E302C312E30 |
-2 | 7365746F7361007665727369636F6C6F720076697267696E696361 |
-1 | 706574616C5F6C656E67746800706574616C5F776964746800736570616C5F6C656E67746800736570616C5F7769647468 |
0 | BFF134DF08DD751EBFE204E07599DDE03FD93A9DDED02C8A3FD57FC7A69871810000000000000000 |
1 | 3FE4F1C5871DE4A0C000B12D7E8C18FE3FE558515B291C5DBFF6F2558D9050370000000000000000 |
2 | 3FF9424250696DEA4003BA4B98AB24FCBFF5FBB2667D07A7BFF1D36766E2FE0A0000000000000000 |
SQL呼び出し
SELECT * FROM SVMSparsePredict ( ON svm_iris_input_test AS InputTable PARTITION BY id ON svm_iris_model AS Model DIMENSION USING IDColumn ('id') AttributeNameColumn ('attribute') AttributeValueColumn ('value') Accumulate ('species') ) AS dt;
出力
このクエリーは、以下のテーブルを返します。
SELECT * FROM svm_iris_predict_out ORDER BY id;
id | predict_value | predict_confidence | species |
---|---|---|---|
5 | setosa | 9.47345262648877E-001 | setosa |
10 | setosa | 8.46460012681134E-001 | setosa |
15 | setosa | 9.76489773801754E-001 | setosa |
..。 | ..。 | ..。 | ..。 |
予測精度
このクエリーは予測精度を返します。
SELECT (SELECT count(id) FROM svm_iris_predict_out WHERE predict_value = species)/(1.00*( SELECT count(id) FROM svm_iris_predict_out)) AS prediction_accuracy;
prediction_accuracy |
---|
0.83 |