Google शीट्स का उपयोग करके मास्टर मशीन लर्निंग बेसिक्स:एक प्रैक्टिकल गाइड

Google शीट्स के साथ मशीन लर्निंग का परिचय
<पी> Google शीट्स विश्लेषण के लिए एक शक्तिशाली उपकरण है, आप Google शीट्स में बुनियादी मशीन सीखने के कार्य कर सकते हैं। Google शीट मशीन लर्निंग कार्यों को करने के लिए अंतर्निहित फ़ंक्शन, ऐड-ऑन और एकीकरण प्रदान करता है। इस लेख में, हम दिखाएंगे कि Google शीट्स के साथ मशीन लर्निंग का उपयोग कैसे करें।

<पी> आइए Google शीट्स का उपयोग करके प्रतिगमन विश्लेषण, वर्गीकरण और प्रवृत्ति भविष्यवाणी जैसी मशीन सीखने की अवधारणाओं को लागू करने के लिए बिक्री डेटासेट पर विचार करें।

1. बिक्री भविष्यवाणी के लिए रैखिक प्रतिगमन

<पी> रैखिक प्रतिगमन का उपयोग एक या अधिक इनपुट चर के आधार पर लक्ष्य चर की भविष्यवाणी करने के लिए किया जाता है। बेची गई इकाइयों के आधार पर कुल बिक्री की भविष्यवाणी करने के लिए आप Google शीट में LINEST फ़ंक्शन का उपयोग कर सकते हैं।

बेची गई इकाइयों और कुल बिक्री कॉलम का चयन करें, जो इनपुट और आउटपुट चर होंगे।
एक सेल का चयन करें और निम्नलिखित सूत्र डालें।

<पी> सूत्र:

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

<पी> यह बेची गई इकाइयों और कुल बिक्री कॉलम के आधार पर प्रतिगमन आंकड़ों का एक सेट लौटाएगा।

<पी>

<पी> प्रतिगमन सांख्यिकी का सेट: मान <थ>स्पष्टीकरण 27.02405783 प्रतिगमन रेखा का ढलान (एम).-42.01697274Y-प्रतिगमन रेखा का अवरोधन (बी).1.311552999 ढलान के लिए मानक त्रुटि (एम).1402.109659 y-अवरोधन के लिए मानक त्रुटि (बी).0.861943111 निर्धारण का गुणांक (आर²).5864.748017वाई अनुमान की मानक त्रुटि (एसईई).424.5505753स्वतंत्रता की डिग्री (डीएफ)।प्रतिगमन मॉडल के लिए 68एफ-सांख्यिकी।14602531370वर्गों का प्रतिगमन योग (एसएसआर)।2338878313वर्गों का अवशिष्ट योग (एसएसई)।

पहला मान 27.02405783 ढलान (एम) है।
दूसरा मान -42.01697274 अवरोधन (बी) है।

<पी> परिणामों की व्याख्या करें :प्रतिगमन समीकरण है:

Total Sales = m * Units Sold + b

<पी> सूत्र: <पी> यह सूत्र इकाई मूल्यों और प्रतिगमन के आधार पर भविष्य के बिक्री मूल्य की भविष्यवाणी करता है।

<पी>

2. प्रवृत्ति विश्लेषण - भविष्य की बिक्री की भविष्यवाणी

<पी> रुझान विश्लेषण में समय के साथ डेटा में पैटर्न की पहचान करना शामिल है। इस मामले में, हम ऐतिहासिक बिक्री डेटा के आधार पर भविष्य की बिक्री की भविष्यवाणी कर सकते हैं।

<पी> लाइन चार्ट डालें

अपनी तिथि और कुल बिक्री कॉलम चुनें।
सम्मिलित करें पर जाएं टैब>> चार्ट चुनें>> सेटअप से>> एक लाइन चार्ट चुनें समय के साथ बिक्री की प्रवृत्ति को देखने के लिए।

<पी>

<पी> ट्रेंड सेल्स में एक ट्रेंडलाइन जोड़ें:

चार्ट पर क्लिक करें>> चार्ट एडिटर पर जाएं .
अनुकूलित के अंतर्गत टैब>> श्रृंखला चुनें और फिर ट्रेंड लाइन की जांच करें बॉक्स.
लाइन रंग को प्रारूपित करें और लाइन अपारदर्शिता .
चार्ट में एक ट्रेंडलाइन जोड़ी जाएगी।

<पी>

<पी> ट्रेंड फ़ंक्शन का उपयोग करें :

<पी> यदि आप भविष्य की बिक्री की भविष्यवाणी करना चाहते हैं, तो TREND फ़ंक्शन का उपयोग करें। उदाहरण के लिए, आप इसका उपयोग अगले दिन की बिक्री की भविष्यवाणी करने के लिए कर सकते हैं।

<पी> सूत्र:

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

<पी> यह सूत्र बेची गई इकाइयों के कॉलम (ई71) में अगले मूल्य के लिए कुल बिक्री की भविष्यवाणी करता है। Google शीट्स का उपयोग करके मास्टर मशीन लर्निंग बेसिक्स:एक प्रैक्टिकल गाइड

3. शीट्स ऐड-ऑन के लिए सरल एमएल का उपयोग करें

<पी> आप एक प्रतिगमन मॉडल बनाने के लिए सरल एमएल का उपयोग कर सकते हैं जो बेची गई इकाइयों, क्षेत्र या उत्पाद जैसी सुविधाओं के आधार पर कुल बिक्री की भविष्यवाणी करता है। इससे आपको बिक्री रुझानों का पूर्वानुमान लगाने या प्रमुख चालकों की पहचान करने में मदद मिलती है।

<पी> ऐड-ऑन इंस्टॉल करें :

एक्सटेंशन पर जाएं टैब>> ऐड-ऑन से>>ऐड-ऑन प्राप्त करें चुनें .

<पी>

खोज बार में Simple ML खोजें .
चयन करें और इंस्टॉल करें ऐड-ऑन स्टोर से.

<पी>

आवश्यक अनुमतियाँ प्राधिकृत करें,

<पी> अपनी शीट में सरल एमएल का उपयोग करें: <पी> आइए मान लें कि आपके डेटासेट में कुछ गुम मान हैं। आप इस ऐड-ऑन का उपयोग करके लुप्त मानों का अनुमान लगा सकते हैं।

एक्सटेंशन पर जाएं टैब>>शीट्स के लिए सरल एमएल चुनें>> प्रारंभ पर क्लिक करें .

<पी>

कार्य फलक से >>अनुपलब्ध मानों का पूर्वानुमान लगाएं चुनें .

<पी>

अपने लुप्त मानों का कॉलम चुनें (जैसे; कुल बिक्री)>> भविष्यवाणी करें पर क्लिक करें .

<पी>

<पी> छूटे हुए मानों को एक नए कॉलम में शीट में जोड़ दिया जाएगा।

<पी>

<पी> अब आप Simple ML से अपनी आवश्यकताओं के आधार पर सभी उपलब्ध भविष्यवाणियों का उपयोग कर सकते हैं।

4. Google शीट्स के लिए BigML ऐड-ऑन इंस्टॉल करें

एक्सटेंशन पर नेविगेट करें टैब>> ऐड-ऑन से>> ऐड-ऑन प्राप्त करें चुनें .
शीट्स के लिए BigML खोजें>> इंस्टॉल पर क्लिक करें और ऐड-ऑन को अधिकृत करने के लिए संकेतों का पालन करें।

<पी> Google शीट्स को BigML से कनेक्ट करें:

एक्सटेंशन पर जाएं टैब>> चुनें BigML>> प्रारंभ चुनें .

<पी>

बिगएमएल कार्य फलक में दिखाई देगा।
अपने BigML क्रेडेंशियल का उपयोग करके लॉग इन करें या एक खाता बनाएं।
अपनी Google शीट में शीट का चयन करें और BigML को डेटा भेजें पर क्लिक करें .

<पी> BigML में एक मॉडल बनाएं और प्रशिक्षित करें:

एक बार जब आपका डेटा BigML पर अपलोड हो जाए, तो BigML डैशबोर्ड खोलें .
स्रोत पर जाएं टैब>> 1-क्लिक डेटासेट चुनें डेटासेट बनाने के लिए.

<पी>

अपने मॉडल को प्रशिक्षित करने के लिए LINEAR SPLIT चुनें . यह आपके मॉडल को प्रशिक्षित करने के लिए 80% डेटा का चयन करेगा।

<पी>

अब आप उपलब्ध भविष्यवाणियां कर सकते हैं।
- रैखिक प्रतिगमन निरंतर मूल्यों की भविष्यवाणी के लिए (उदाहरण के लिए, कुल बिक्री)।

<पी>

<पी> आउटपुट: <पी> Google शीट्स का उपयोग करके मास्टर मशीन लर्निंग बेसिक्स:एक प्रैक्टिकल गाइड

<पी> अब, आप उपलब्ध विकल्पों में से सीधे Google शीट में नए डेटा बिंदुओं के परिणामों की भविष्यवाणी करने के लिए प्रशिक्षित मॉडल का उपयोग कर सकते हैं।

निष्कर्ष

<पी> हालाँकि Google शीट्स को मशीन लर्निंग के उपयोग के लिए नहीं जाना जाता है, लेकिन यह मशीन लर्निंग अवधारणाओं को संभाल सकता है, खासकर शुरुआती लोगों के लिए। अंतर्निहित कार्यों के साथ रैखिक प्रतिगमन से लेकर ऐड-ऑन के साथ उन्नत वर्गीकरण तक, आप विशेष सॉफ़्टवेयर की आवश्यकता के बिना आवश्यक कार्य कर सकते हैं। आप कुछ चरणों का पालन करके अपने बिक्री डेटा में अंतर्दृष्टि प्राप्त करने के लिए बिगएमएल और सिंपल एमएल शीट्स जैसे तीसरे पक्ष के ऐड-ऑन का लाभ उठा सकते हैं। Google शीट को अधिक उन्नत मशीन लर्निंग टूल के साथ एकीकृत करके अपने विश्लेषण का विस्तार करने के लिए इन तकनीकों का अन्वेषण करें।

समाधान के साथ निःशुल्क उन्नत एक्सेल अभ्यास प्राप्त करें!