高度な関数

概要

高度な関数は、最初のクエリ―結果に対して後処理の計算を適用することで、結果を変換するために使用します。これらの関数は、SQLクエリ―の一部ではなく、Javaコードにより実行されるため、データベースには依存しません。

利用可能な関数

Yellowfinは、定義済みの関数を用意していますが、管理者によって、組織やレポート要求に特化した関数が追加されることもあります。利用可能な関数は、以下の一覧を展開して確認をしてください。

高度な関数のカスタマイズの例　–　Rの統合

高度な関数のカスタマイズの例として、レポートでRを使用する方法を示します。

Rスクリプトを記述する

setwd("C:/R/R-3.2.3/bin/x64")
library(rattle)   #
To access the weather dataset and utility commands.
library(magrittr) # For the
%>% and %<>% operators.
building <- TRUE
scoring  <- ! building
# A pre-defined value is used
to reset the random seed so that results are repeatable.
crv$seed <- 42 
# Load the data.
rPATH  <-
Sys.getenv("RSCRIPT_PATH")
rINPUT <- paste0(rPATH ,"/neural-net-script.r.input.csv")
rOUTPUT <- paste0(rPATH
,"/neural-net-script.r.result.csv")
dataset <-
read.csv(file=rINPUT, header=FALSE, sep=",")
# Note the user
selections. 
# Build the
training/validate/test datasets.
set.seed(crv$seed) 
crs$nobs <- nrow(dataset) #
366 observations 
crs$sample <- crs$train
<- sample(nrow(dataset), 0.7*crs$nobs) # 256 observations
crs$validate <-
sample(setdiff(seq_len(nrow(dataset)), crs$train), 0.15*crs$nobs) # 54
observations
crs$test <-
setdiff(setdiff(seq_len(nrow(dataset)), crs$train), crs$validate) # 56
observations
# The following variable
selections have been noted.
crs$input <-
c("V1", "V2", "V3", "V4","V5")
crs$target 
<- "V6"
#============================================================
# Neural Network 
#============================================================
# Build a neural network model
using the nnet package.
library(nnet, quietly=TRUE)
# Build the NNet model.

set.seed(199)
crs$nnet <-
nnet(as.factor(V6) ~ .,data=dataset[crs$sample,c(crs$input, crs$target)],size=10,
skip=TRUE, MaxNWts=10000, trace=FALSE, maxit=100)
#============================================================
# Score a dataset. 
#============================================================
# Obtain probability scores for
the Neural Net model on weather.csv [validate].
#crs$pr <- predict(crs$nnet,
newdata=dataset[crs$validate, c(crs$input)], type="class")
#crs$pr <- predict(crs$nnet,
newdata=dataset[crs$validate, c(crs$input)], type="class")
crs$pr <- predict(crs$nnet,
newdata=dataset, type="class")
write.table(crs$pr,
file=rOUTPUT, row.names=FALSE, col.names = FALSE)

Rスクリプトの呼び出し

関数の適用

レポートビルダー - データステップ

高度な関数を適用する場合、まず始めに、関数を適用するフィールドを表に追加しなくてはいけません。関数を適用する場合、表内にフィールドのコピーが2つ必要になることがあります。ひとつは元の値（売上額、など）を表示するため、もうひとつは関数（例えば、売上額の最上位から10位を表示、など）を適用するために必要です。

レポートビルダーのデータステップで、表内のフィールドに関数を適用するためには、以下の手順を実行します。

1. 以下のいずれかの方法で、フィールドのドロップダウンメニューを開きます。

   
   
   1. カラム（列）/ ロウ（行）一覧から
      
      
      
      
   2. 表のプレビューから
      
      
      
      
2. 一覧から「高度な関数」オプションを選択し、高度な関数設定画面を開きます。
3. 以下の関数オプションを入力します。
   
   
   
   
   1. フィールドに適切な集約を適用します。これにより、必要なすべての集約の最上位に、この関数が適用されます。
   2. 「分析」、「統計」、「テキスト」から、適用したい関数タイプを選択します。
   3. 一覧から使用したい関数名を選択します。関数名を選択すると、その関数の説明が横のボックスに表示されます。いくつかの関数は、関数を選択してから、パラメーターの定義を要求されます。
   4. 関数を「グラフ」ページのみに表示するように設定することもできます。これはレポートの表から対象のフィールドを非表示にしますが、カラム（列）/ ロウ（行）一覧から、これを閲覧、編集することが可能です。これにより、表示目的で関数を適用するフィールドのコピーを追加する場合に、追加されたフィールドで表を煩雑にすることがありません。
      
      
      
      
4. 関数の定義が完了したら、「保存」ボタンをクリックして、適用します。
   
   

レポートビルダー - グラフステップ

レポートビルダーのグラフステップから、表内のフィールドに関数を適用する場合は、以下の手順を実行します。

1. 画面の左下部にある「+」ボタンをクリックします。
   
   
   
   
2. 「高度な関数」を選択して、使用するフィールドを一覧から選択し、高度な関数設定画面を開きます。
3. 関数オプションを入力します。
   
   1. フィールドに適切な集約を適用します。これにより、必要なすべての集約の最上位に、この関数が適用されます。
   2. 「分析」、「統計」、「テキスト」から、適用したい関数タイプを選択します。
   3. 一覧から使用したい関数名を選択します。関数名を選択すると、その関数の説明が横のボックスに表示されます。いくつかの関数は、関数を選択してから、パラメーターの定義を要求されます。
   4. 関数を「グラフ」ページのみに表示するように設定することもできます。これはレポートの表から対象のフィールドを非表示にしますが、データステップのカラム（列）/ ロウ（行）一覧から、これを閲覧、編集することが可能です。これにより、表示目的で関数を適用するフィールドのコピーを追加する場合に、追加されたフィールドで表を煩雑にすることがありません。
      
      
      
      
4. ．関数の定義が完了したら、「保存」ボタンをクリックして、適用します。
   
   

レポートビルダー　–　デザインステップ

レポートビルダーのデザインステップで、表内のフィールドに関数を適用するには、以下の手順を実行します。

1. フィールドのドロップダウンメニューを開きます。
   
   
   
   
2. 一覧から「高度な関数」オプションを選択して、高度な関数設定画面を開きます。
3. 関数オプションを入力します。
   
   1. フィールドに適切な集約を適用します。これにより、必要なすべての集約の最上位に、この関数が適用されます。
   2. 「分析」、「統計」、「テキスト」から、適用したい関数タイプを選択します。
   3. 一覧から使用したい関数名を選択します。関数名を選択すると、その関数の説明が横のボックスに表示されます。いくつかの関数は、関数を選択してから、パラメーターの定義を要求されます。
   4. 関数を「グラフ」ページのみに表示するように設定することもできます。これはレポートの表から対象のフィールドを非表示にしますが、データステップのカラム（列）/ ロウ（行）一覧から、これを閲覧、編集することが可能です。これにより、表示目的で関数を適用するフィールドのコピーを追加する場合に、追加されたフィールドで表を煩雑にすることがありません。
      
      
      
      
4. 関数の定義が完了したら、「保存」ボタンをクリックして、適用します。
   
   

データ変換の適用

以下の手順を実行することで、フィールドのデータを変換することができます。

1. 上記で説明されているように、「高度な関数」表示を開きます。

2. 「データ変換」タブを選択します。 こちらの画面から、変換したいデータを選択します。

3. 変換に適切な集約を選択します。

4. 選択した変換を適用するために、「追加」ボタンをクリックします。選択したデータタイプで使用可能な変換の一覧が表示されます。デフォルト設定では、「Javaデータコンバーター」と「数値除算コンバーター（値を1,000で除算します）」表示されます。

5. 画面の指示に従って操作し、「保存」ボタンをクリックします。

6. 必要に応じて、「追加」ボタンをクリックして新しいタイプを作成することで、複数のコンバーターをデータに追加することができます。