使用 Oracle 数据挖掘 API
本文将介绍如何快速将分析和其他 API 整合至一个最终用户可从其中轻松访问新代码的电子表格平台。作为指导性示例，其中还将阐释了如何将Oracle 数据挖掘(PL/SQL) API 重新打包为 Java API，以及如何从电子表格调用的 J Cells 访问该 API。
| public OracleMiningModel ( String modelName, OracleModelSettings oms, String[] keyToValueStringMap) boolean recreate) throws SQLException |
此处使用 keyToValueMappings 数组来确定在 Oracle 数据库中创建数据挖掘模型所需的算法以及其他命名属性。该类的用途就是创建和维护数据挖掘模型。此外，OracleMiningModel 类还定义了用于检索以及将该模型应用到新数据集的方法。这些方法包括以下各项，此处只显示了一小部分。
| public OracleResultSet infoAprioriAssociationRules(int topn) public OracleResultSet infoAprioriFrequentItemsets(int topn) public OracleResultSet infoAdaptiveBayesNetwork() public OracleResultSet infoAIMinimumDescLength() public OracleResultSet infoKMeans() public OracleResultSet infoNaiveBayes() public OracleResultSet infoNonnegativeMatrixFactorization() public OracleResultSet infoOCluster() public OracleResultSet infoSupportVectorMachines() public XMLType infoDecisionTree() public Object getPrediction(String[] signature, double[] doubleVal) public HashMap score(String[] signature, double[] doubleVal) public OracleResultSet apply( String dataTable, String caseID, String resultTable, String schema, boolean overwrite) |
除了具有上述签名外，所有的方法可能都会引发 SQL 意外。一旦可以从两个简单类来管理数据挖掘功能后，就可调用该电子表格平台来访问任何可用的数据挖掘算法，以在 Oracle 数据库中建模数据集。
数据挖掘示例
因此，来看一个在该系统中编写的小数据挖掘模型，该模型可通过访问 Oracle 数据库创建并运行 ODM (Oracle Data Mining) 回归模型。该回归模型的用途是根据输入(例如血压、高度和体重)预测心率。使用 J Cells 可直接访问 Java API 以实例化对象并在对象上调用方法。首先，连接至 Oracle 数据库。DataSource 对象可通过将以下公式
() = ~ OracleDataSource("agust","agust","dbVaio","vaioFS");
输入到电子表格的单元格 b3 中进行实例化。Tilde 符号 (~) 表示缩写符号，允许 J Cells 将(右侧)语句转换为构造函数t“new cell.OracleDataSource( "agust", "agust", "dbVaio", "vaioFS");”，使系统能够以用户“agust”的身份访问服务器“vaioFS”上的数据库“dbVaio”。
现在，可通过在 DataSource 对象上调用正确的方法(例如在单元格 b4 和 b5 中分别输入以下公式)，获得数据库连接以及检查数据库中的源数据：
| (*) = b3.getConnection(); (*) = b3.query("select * from pulse_clinical"); |
第一个语句将向单元格 b4 中返回一个 java.sql.Connection 对象，第二个语句将向单元格 b5 中返回一个 java.sql.ResultSet 对象。只需通过双击单元格 (b5) 就可检查结果集，该操作会将结果表显示在表格框架中以便查看。
