เรียนรู้พื้นฐาน Machine Learning ด้วย Google Sheets: คู่มือปฏิบัติจริง

บทนำ: Machine Learning กับ Google Sheets

Google Sheets เป็นเครื่องมือวิเคราะห์ข้อมูลที่ทรงพลัง ช่วยให้คุณทำงาน Machine Learning ขั้นพื้นฐานได้โดยตรงภายในสเปรดชีต ฟังก์ชันในตัว (built-in functions), Add-ons และการเชื่อมต่อต่างๆ รองรับงาน ML หลากหลาย บทความนี้จะสาธิตวิธีใช้ Machine Learning กับ Google Sheets ผ่านชุดข้อมูลยอดขาย (Sales Dataset) เพื่อนำไปประยุกต์กับการวิเคราะห์การถดถอย (Regression), การจำแนกประเภท (Classification) และการพยากรณ์แนวโน้ม (Trend Prediction)

1. การถดถอยเชิงเส้น (Linear Regression) สำหรับพยากรณ์ยอดขาย

การถดถอยเชิงเส้นใช้พยากรณ์ตัวแปรเป้าหมายจากตัวแปรอินพุตหนึ่งหรือหลายตัว ใน Google Sheets ใช้ฟังก์ชัน LINEST ทำนายยอดขายรวม (Total Sales) จากจำนวนที่ขายได้ (Units Sold)

• เลือกคอลัมน์ Units Sold และ Total Sales เป็นตัวแปรอินพุตและเอาต์พุตตามลำดับ
• เลือกเซลล์ใดก็ได้ แล้วใส่สูตรดังนี้

สูตร:

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

สูตรจะคืนค่าสถิติการถดถอยชุดหนึ่งจากคอลัมน์ Units Sold และ Total Sales

ชุดสถิติการถดถอย:

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

การตีความผลลัพธ์: สมการถดถอยคือ

Total Sales = m * Units Sold + b

สูตร:

สูตรนี้พยากรณ์ยอดขายในอนาคตจากค่า Units Sold และผลการถดถอย

2. การวิเคราะห์แนวโน้ม (Trend Analysis) – พยากรณ์ยอดขายอนาคต

การวิเคราะห์แนวโน้มคือการระบุรูปแบบข้อมูลตามเวลา ที่นี่เราจะพยากรณ์ยอดขายอนาคตจากข้อมูลยอดขายในอดีต

แทรกแผนภูมิเส้น (Line Chart)

• เลือกคอลัมน์ Date และ Total Sales
• ไปที่แท็บ Insert >> เลือก Chart >> ในแท็บ Setup >> เลือก Line Chart เพื่อแสดงแนวโน้มยอดขายตามเวลา

เพิ่มเส้นแนวโน้ม (Trendline):

• คลิกที่แผนภูมิ >> ไปที่ Chart Editor
• แท็บ Customize >> เลือก Series >>ติ๊ก Trend line
• ปรับ Line Color และ Line Opacity ตามต้องการ
• เส้นแนวโน้มจะปรากฏบนแผนภูมิ

ใช้ฟังก์ชัน TREND:

หากต้องการพยากรณ์ยอดขายเฉพาะจุด ใช้ฟังก์ชัน TREND เช่น พยากรณ์ยอดขายวันถัดไป

สูตร:

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

สูตรนี้พยากรณ์ Total Sales สำหรับค่า Units Sold ถัดไป (เซลล์ E71)

3. ใช้ Add-on Simple ML for Sheets

Simple ML ช่วยสร้างโมเดลถดถอยพยากรณ์ Total Sales จากฟีเจอร์อย่าง Units Sold, Region หรือ Product ช่วยให้คุณพยากรณ์แนวโน้มยอดขายหรือระบุปัจจัยสำคัญได้

ติดตั้ง Add-on:

• ไปที่แท็บ Extensions >> Add-ons >> Get add-ons

• ค้นหา Simple ML ในช่องค้นหา
• เลือก Install จาก Add-on Store

• อนุมัติสิทธิ์ที่จำเป็น

ใช้งาน Simple ML ในชีท:

สมมติว่าข้อมูลของคุณมีค่าที่หายไป (Missing values) สามารถทำนายค่าเหล่านั้นได้ด้วย Add-on นี้

• ไปที่ Extensions >> Simple ML for Sheets >> คลิก Start

• ใน Task Pane >> เลือก Predict missing values

• เลือกคอลัมน์ที่มีค่าหายไป (เช่น Total Sales) >> คลิก Predict

ค่าที่ทำนายได้จะถูกเพิ่มในคอลัมน์ใหม่บนชีท

ตอนนี้คุณสามารถใช้การทำนายทั้งหมดจาก Simple ML ตามความต้องการได้แล้ว

4. ติดตั้ง Add-on BigML สำหรับ Google Sheets

• ไปที่ Extensions >> Add-ons >> Get add-ons
• ค้นหา BigML for Sheets >> คลิก Install และทำตามขั้นตอนอนุมัติ

เชื่อมต่อ Google Sheets กับ BigML:

• ไปที่ Extensions >> BigML >> Start

• BigML จะปรากฏใน Task Pane
• ล็อกอินด้วยบัญชี BigML หรือสร้างบัญชีใหม่
• เลือกชีทใน Google Sheets และคลิก Send Data to BigML

สร้างและเทรนโมเดลใน BigML:

• เมื่ออัปโหลดข้อมูลเสร็จ ให้เปิด BigML Dashboard
• ไปที่แท็บ Sources >> เลือก 1-CLICK DATASET เพื่อสร้าง Dataset

• เพื่อเทรนโมเดล ให้เลือก LINEAR SPLIT จะใช้ข้อมูล 80% ในการเทรน

• ตอนนี้สามารถทำการพยากรณ์ได้จากตัวเลือกต่างๆ
  • Linear Regression สำหรับพยากรณ์ค่าต่อเนื่อง (เช่น Total Sales)

ผลลัพธ์:

ตอนนี้คุณสามารถใช้โมเดลที่เทรนแล้วพยากรณ์ผลลัพธ์สำหรับข้อมูลใหม่ได้โดยตรงใน Google Sheets จากตัวเลือกที่มีอยู่

สรุป

แม้ Google Sheets จะไม่ได้เป็นที่รู้จักสำหรับ Machine Learning แต่จริงๆ แล้วมันจัดการแนวคิด ML ได้ดีมาก โดยเฉพาะสำหรับผู้เริ่มต้น ตั้งแต่การถดถอยเชิงเส้นด้วยฟังก์ชันในตัว ไปจนถึงการจำแนกประเภทขั้นสูงกับ Add-ons คุณสามารถทำงานสำคัญได้โดยไม่ต้องใช้ซอฟต์แวร์เฉพาะทาง ใช้ Add-ons ภายนอกอย่าง BigML และ Simple ML Sheets เพื่อสกัดข้อมูลเชิงลึกจากข้อมูลยอดขายได้ ผ่านขั้นตอนที่อธิบายไว้ ลองสำรวจเทคนิคเหล่านี้เพื่อขยายการวิเคราะห์โดยผสาน Google Sheets กับเครื่องมือ ML ขั้นสูงกว่า

Get FREE Advanced Excel Exercises with Solutions!