Google スプレッドシートを使用して機械学習の基礎をマスターする:実践ガイド

Google スプレッドシートを使用した機械学習の概要
 

Google スプレッドシートは分析用の強力なツールであり、基本的な機械学習タスクを Google スプレッドシートで実行できます。 Google スプレッドシートは、機械学習タスクを実行するための組み込み関数、アドオン、統合を提供します。この記事では、Google スプレッドシートで機械学習を使用する方法を説明します。

Google スプレッドシートを使用して、回帰分析、分類、傾向予測などの機械学習の概念を適用する販売データセットを考えてみましょう。

1.売上予測のための線形回帰

線形回帰は、1 つ以上の入力変数に基づいてターゲット変数を予測するために使用されます。Google スプレッドシートの LINEST 関数を使用すると、販売個数に基づいて総売上高を予測できます。

• 入力変数と出力変数となる「販売単位」列と「総売上高」列を選択します。
• セルを選択し、次の数式を挿入します。

式:

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

これにより、「販売個数」列と「総売上高」列に基づいた一連の回帰統計が返されます。

回帰統計のセット:

値 説明 27.02405783回帰直線の傾き (m).-42.01697274回帰直線の Y 切片 (b).1.311552999傾きの標準誤差 (m).1402.109659y 切片の標準誤差 (b).0.861943111決定係数(R²).5864.748017y 推定値の標準誤差 (SEE).424.5505753自由度 (df).68 回帰モデルの F 統計量.14602531370回帰二乗和 (SSR).2338878313残差二乗和 (SSE).

• 最初の値 27.02405783 は勾配 (m) です。
• 2 番目の値 -42.01697274 は切片 (b) です。

結果を解釈する :回帰式は次のとおりです:

Total Sales = m * Units Sold + b

式:

この式は、単価と回帰に基づいて将来の売上高を予測します。

2.傾向分析 – 将来の売上の予測

傾向分析には、長期にわたるデータのパターンを特定することが含まれます。この場合、過去の売上データに基づいて将来の売上を予測できます。

折れ線グラフを挿入

• 日付列と総売上高列を選択します。
• 挿入 に移動します。 タブ>> グラフを選択します>>設定から>> 折れ線グラフを選択します 長期的な売上傾向を視覚化する

トレンド売上高にトレンドラインを追加:

• グラフをクリック>> グラフ エディタに移動します .
• [カスタマイズ] の下 タブ>> シリーズを選択します 次にトレンドラインを確認します。 ボックス。
• 線の色の書式設定 と線の不透明度 .
• トレンドラインがチャートに追加されます。

トレンド機能を使用する :

将来の売上を予測したい場合は、TREND 関数を使用します。たとえば、翌日の売上を予測するために使用できます。

式:

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

この数式は、販売単位列 (E71) の次の値の総売上高を予測します。

3. Simple ML for Sheets アドオンを使用する

Simple ML を使用すると、販売数量、地域、製品などの特徴に基づいて総売上高を予測する回帰モデルを構築できます。これは、販売傾向を予測したり、主要な推進要因を特定したりするのに役立ちます。

アドオンをインストールする :

• 拡張機能 に移動します。 タブ>> アドオン から>> [アドオンを入手] を選択します。 .

• 検索バーで「Simple ML」を検索します。 .
• 選択してインストールします アドオン ストアから。

• 必要な権限を付与します。

シートでシンプルな ML を使用します:

データセットに欠損値があると仮定します。このアドオンを使用すると、欠損値を予測できます。

• 拡張機能 に移動します。 タブ>> シート用のシンプル ML を選択します>> [開始] をクリックします。 .

• タスク ペイン から>> [欠損値の予測] を選択します。 .

• 欠損値の列を選択します (例:総売上高)>> [予測] をクリックします。 .

欠落している値はシートの新しい列に追加されます。

これで、Simple ML からの要件に基づいて、利用可能なすべての予測を使用できるようになりました。

4. Google スプレッドシート用の BigML アドオンをインストールする

• 拡張機能に移動します。 タブ>> アドオン から>> [アドオンを入手] を選択します。 .
• シート用 BigML を検索します>> [インストール] をクリックします。 プロンプトに従ってアドオンを承認します。

Google スプレッドシートを BigML に接続する:

• 拡張機能 に移動します。 タブ>> BigML>> を選択します [開始] を選択します .

• BigML が作業ウィンドウに表示されます。
• BigML 認証情報を使用してログインするか、アカウントを作成します。
• Google スプレッドシートでシートを選択し、[BigML にデータを送信] をクリックします。 .

BigML でモデルを作成してトレーニングする:

• データが BigML にアップロードされたら、BigML ダッシュボードを開きます。 .
• ソースに移動します タブ>>ワンクリック データセットを選択します データセットを作成する

• モデルをトレーニングするには、線形分割を選択します。 。モデルをトレーニングするために 80% のデータが選択されます。

• これで、利用可能な予測を実行できるようになります。
  • 線形回帰 連続値（総売上高など）を予測するため。

出力:

これで、トレーニングされたモデルを使用して、利用可能なオプションから Google スプレッドシートで直接新しいデータポイントの結果を予測できるようになりました。

結論

Google スプレッドシートは機械学習用としては知られていませんが、特に初心者にとっては機械学習の概念を扱うことができます。組み込み関数による線形回帰からアドオンによる高度な分類まで、特殊なソフトウェアを必要とせずに重要なタスクを実行できます。 BigML や Simple ML Sheets などのサードパーティのアドオンを活用して、いくつかの手順に従って販売データに関する洞察を得ることができます。 Google スプレッドシートをより高度な機械学習ツールと統合することで、分析を拡張するためのこれらのテクニックを検討してください。

ソリューション付きの高度な Excel 演習を無料で入手しましょう!