พื้นฐานการเรียนรู้ของเครื่องระดับปรมาจารย์โดยใช้ Google ชีต:คู่มือปฏิบัติ

Google ชีตเป็นเครื่องมือที่มีประสิทธิภาพสำหรับการวิเคราะห์ คุณสามารถทำงานพื้นฐานของแมชชีนเลิร์นนิงใน Google ชีตได้ Google ชีตมีฟังก์ชัน ส่วนเสริม และการผสานรวมในตัวเพื่อทำงานด้านแมชชีนเลิร์นนิง ในบทความนี้ เราจะแสดงวิธีใช้แมชชีนเลิร์นนิงกับ Google ชีต

เรามาพิจารณาชุดข้อมูลการขายเพื่อใช้แนวคิดแมชชีนเลิร์นนิง เช่น การวิเคราะห์การถดถอย การจัดหมวดหมู่ และการทำนายแนวโน้มโดยใช้ Google ชีต

1. การถดถอยเชิงเส้นสำหรับการทำนายยอดขาย

การถดถอยเชิงเส้นใช้ในการทำนายตัวแปรเป้าหมายตามตัวแปรอินพุตตั้งแต่หนึ่งตัวแปรขึ้นไป คุณสามารถใช้ฟังก์ชัน LINEST ใน Google ชีตเพื่อคาดการณ์ยอดขายรวมตามหน่วยที่ขายได้

• เลือกคอลัมน์หน่วยที่ขายและยอดขายรวม ซึ่งจะเป็นตัวแปรอินพุตและเอาต์พุต
• เลือกเซลล์และแทรกสูตรต่อไปนี้

สูตร:

=LINEST(G2:G71, E2:E71, TRUE, TRUE)

ซึ่งจะส่งกลับชุดของสถิติการถดถอยตามคอลัมน์หน่วยที่ขายและยอดขายรวม

ชุดสถิติการถดถอย: คุณค่า คำอธิบาย 27.02405783ความชันของเส้นการถดถอย (m).-42.01697274Y-จุดตัดของเส้นการถดถอย (b).1.311552999ค่าคลาดเคลื่อนมาตรฐานสำหรับความชัน (m)1402.109659ค่าคลาดเคลื่อนมาตรฐานสำหรับค่าตัดแกน y (b)0.861943111สัมประสิทธิ์การกำหนด (R²).5864.748017ข้อผิดพลาดมาตรฐานของการประมาณค่า y (SEE)424.5505753องศาอิสระ (df)68F-สถิติสำหรับแบบจำลองการถดถอย14602531370ผลรวมการถดถอยของกำลังสอง (SSR)2338878313ผลรวมที่เหลือของกำลังสอง (SSE)

• ค่าแรก 27.02405783 คือความชัน (m)
• ค่าที่สอง -42.01697274 คือจุดตัด (b)

ตีความผลลัพธ์ :สมการการถดถอยคือ:

Total Sales = m * Units Sold + b

สูตร:

สูตรนี้คาดการณ์มูลค่าการขายในอนาคตโดยพิจารณาจากมูลค่าต่อหน่วยและการถดถอย

2. การวิเคราะห์แนวโน้ม – การคาดการณ์ยอดขายในอนาคต

การวิเคราะห์แนวโน้มเกี่ยวข้องกับการระบุรูปแบบในข้อมูลในช่วงเวลาหนึ่ง ในกรณีนี้ เราสามารถคาดการณ์ยอดขายในอนาคตตามข้อมูลการขายในอดีตได้

แทรกแผนภูมิเส้น

• เลือกคอลัมน์วันที่และยอดขายรวมของคุณ
• ไปที่ แทรก แท็บ>> เลือก แผนภูมิ>> จาก การตั้งค่า>> เลือก แผนภูมิเส้น เพื่อให้เห็นภาพแนวโน้มการขายในช่วงเวลาหนึ่ง

เพิ่มเส้นแนวโน้มให้กับยอดขายตามเทรนด์:

• คลิกที่แผนภูมิ>> ไปที่ เครื่องมือแก้ไขแผนภูมิ .
• ภายใต้ ปรับแต่ง แท็บ>> เลือก ซีรีส์ จากนั้นตรวจสอบ เส้นแนวโน้ม กล่อง
• จัดรูปแบบ สีของเส้น และ ความทึบของเส้น .
• เส้นแนวโน้มจะถูกเพิ่มลงในแผนภูมิ

ใช้ฟังก์ชัน TREND :

หากคุณต้องการคาดการณ์ยอดขายในอนาคต ให้ใช้ฟังก์ชัน TREND ตัวอย่างเช่น คุณสามารถใช้เพื่อคาดการณ์ยอดขายในวันถัดไปได้

สูตร:

=TREND(G2:G70, E2:E70, E71)

สูตรนี้จะคาดการณ์ยอดขายรวมสำหรับค่าถัดไปในคอลัมน์หน่วยที่ขาย (E71)

3. ใช้ ML แบบง่ายสำหรับส่วนเสริมชีต

คุณสามารถใช้ Simple ML เพื่อสร้างแบบจำลองการถดถอยที่คาดการณ์ยอดขายรวมตามคุณลักษณะต่างๆ เช่น หน่วยที่ขาย ภูมิภาค หรือผลิตภัณฑ์ ซึ่งช่วยให้คุณคาดการณ์แนวโน้มการขายหรือระบุตัวขับเคลื่อนหลักได้

ติดตั้งส่วนเสริม :

• ไปที่ ส่วนขยาย แท็บ>> จาก ส่วนเสริม>> เลือก รับส่วนเสริม .

• ในแถบค้นหา ให้ค้นหา ML แบบง่าย .
• เลือกและติดตั้ง จากร้านค้าส่วนเสริม

• อนุญาตการอนุญาตที่จำเป็น

ใช้ ML แบบง่ายในชีตของคุณ:

สมมติว่าคุณมีค่าที่ขาดหายไปในชุดข้อมูลของคุณ คุณสามารถทำนายค่าที่หายไปได้โดยใช้ส่วนเสริมนี้

• ไปที่ ส่วนขยาย แท็บ>> เลือก ML แบบง่ายสำหรับชีต>> คลิกที่ เริ่ม .

• จาก บานหน้าต่างงาน >> เลือก คาดการณ์ค่าที่หายไป .

• เลือกคอลัมน์ของค่าที่หายไป (เช่น ยอดขายรวม)>> คลิกที่ คาดการณ์ .

ค่าที่หายไปจะถูกเพิ่มลงในแผ่นงานในคอลัมน์ใหม่

ตอนนี้คุณสามารถใช้การคาดการณ์ที่มีอยู่ทั้งหมดตามความต้องการของคุณจาก Simple ML ได้

4. ติดตั้งส่วนเสริม BigML สำหรับ Google ชีต

• นำทางไปยัง ส่วนขยาย แท็บ>> จาก ส่วนเสริม>> เลือก รับส่วนเสริม .
• ค้นหา BigML สำหรับชีต>> คลิกติดตั้ง และปฏิบัติตามคำแนะนำเพื่อให้สิทธิ์ส่วนเสริม

เชื่อมต่อ Google ชีตกับ BigML:

• ไปที่ ส่วนขยาย แท็บ>> เลือก BigML>> เลือก เริ่ม .

• BigML จะปรากฏในบานหน้าต่างงาน
• เข้าสู่ระบบโดยใช้ข้อมูลรับรอง BigML ของคุณหรือสร้างบัญชี
• เลือกแผ่นงานใน Google ชีตของคุณแล้วคลิก ส่งข้อมูลไปยัง BigML .

สร้างและฝึกโมเดลใน BigML:

• เมื่อข้อมูลของคุณถูกอัปโหลดไปยัง BigML แล้ว ให้เปิดแดชบอร์ด BigML .
• ไปที่แหล่งที่มา แท็บ>>เลือก 1 คลิกชุดข้อมูล เพื่อสร้างชุดข้อมูล

• หากต้องการฝึกโมเดลของคุณ ให้เลือก LINEAR SPLIT . ระบบจะเลือกข้อมูล 80% เพื่อฝึกโมเดลของคุณ

• ตอนนี้คุณสามารถดำเนินการคาดการณ์ที่มีอยู่ได้
  • การถดถอยเชิงเส้น สำหรับการทำนายค่าต่อเนื่อง (เช่น ยอดขายรวม)

เอาต์พุต:

ตอนนี้คุณสามารถใช้โมเดลที่ผ่านการฝึกอบรมเพื่อคาดการณ์ผลลัพธ์สำหรับจุดข้อมูลใหม่ได้โดยตรงจาก Google ชีตจากตัวเลือกที่มี

บทสรุป

แม้ว่า Google ชีตจะไม่รู้จักการใช้แมชชีนเลิร์นนิง แต่ก็รองรับแนวคิดแมชชีนเลิร์นนิงได้ โดยเฉพาะสำหรับผู้เริ่มต้น ตั้งแต่การถดถอยเชิงเส้นที่มีฟังก์ชันในตัวไปจนถึงการจำแนกขั้นสูงด้วยส่วนเสริม คุณสามารถทำงานที่สำคัญได้โดยไม่ต้องใช้ซอฟต์แวร์พิเศษ คุณสามารถใช้ประโยชน์จากส่วนเสริมของบริษัทอื่น เช่น BigML และ Simple ML Sheets เพื่อรับข้อมูลเชิงลึกเกี่ยวกับข้อมูลการขายของคุณโดยทำตามขั้นตอนบางส่วน สำรวจเทคนิคเหล่านี้เพื่อขยายการวิเคราะห์ของคุณโดยการผสานรวม Google ชีตเข้ากับเครื่องมือแมชชีนเลิร์นนิงขั้นสูงเพิ่มเติม