आप TensorFlow Decision Forests (TF-DF) का उपयोग करके सारणीबद्ध डेटा से मशीन लर्निंग मॉडल को प्रशिक्षित, मूल्यांकन और परिनियोजित कर सकते हैं। यह प्रक्रिया तेज़ है क्योंकि TF-DF को केवल कुछ ही सेकंड में कोड और ट्रेनों की आवश्यकता होती है। लेकिन यदि आपका डेटा किसी स्प्रेडशीट में है, तो मशीन लर्निंग मॉडल को प्रशिक्षित करने और डेटा पर भविष्यवाणियां करने के लिए आपकी स्प्रेडशीट में डेटा का उपयोग करने का सबसे सीधा तरीका क्या है?
आप अपने अधिकांश एमएल कार्य को सीधे Google पत्रक में करने के लिए शीट्स के लिए सरल एमएल का उपयोग कर सकते हैं। सरल एमएल के साथ:
- आपको कोई कोड लिखने की आवश्यकता नहीं है।
- प्रशिक्षण कुछ ही सेकंड में आपके ब्राउज़र में स्थानीय रूप से चलता है।
- आप उन मॉडलों को निर्यात कर सकते हैं जो सिंपल ML TensorFlow, Colab या TF सर्विंग को जनरेट करता है।
शुरू हो जाओ
- वर्कप्लेस मार्केटप्लेस से सिंपल एमएल ऐडऑन प्राप्त करें।
- कुछ ही मिनटों में स्प्रेडशीट में मशीन लर्निंग का उपयोग करने के लिए शीट ट्यूटोरियल के लिए परिचयात्मक सिंपल ML को आज़माएं!
चलो एक नज़र डालते हैं
उदाहरण के लिए, निम्नलिखित आंकड़ा एक स्प्रेडशीट दिखाता है जिसमें पामर पेंगुइन डेटासेट की एक प्रति है। प्रत्येक पंक्ति एक पेंगुइन का प्रतिनिधित्व करती है। ध्यान दें कि प्रजाति स्तंभ के कुछ मान गायब हैं। Google पत्रक के लिए साधारण ML ऐडऑन का उपयोग करके, आप अनुपलब्ध मानों का अनुमान लगाने के लिए मशीन लर्निंग का उपयोग कर सकते हैं।
"
हुड के तहत, प्रेडिक्ट मिसिंग वैल्यूज़ टास्क एक मॉडल को उन पंक्तियों पर प्रशिक्षित करता है जिनमें दिए गए कॉलम (इस मामले में, प्रजाति कॉलम) में मान होते हैं, और फिर उस मॉडल का उपयोग लापता मूल्यों की भविष्यवाणी करने के लिए करता है। आपको एक मॉडल बनाने या ट्यून करने की आवश्यकता नहीं है, और आपको यह भी कॉन्फ़िगर करने की आवश्यकता नहीं है कि मॉडल द्वारा इनपुट सुविधाओं का उपयोग कैसे किया जाता है - सिंपल एमएल आपके लिए वह सब संभालता है।
आप साधारण एमएल के साथ क्या कर सकते हैं?
Google शीट्स में सरल एमएल ऐड-ऑन को सक्षम करने के बाद, आप लापता मूल्यों की भविष्यवाणी कर सकते हैं और अपने डेटा में असामान्य मूल्यों की पहचान कर सकते हैं। सिंपल एमएल आपकी स्प्रेडशीट में मूल्यों को समाहित करने के लिए नए कॉलम बनाता है और नए मूल्यों में विश्वास भी।
इन कार्यों को पूरा करने के लिए, साधारण एमएल पृष्ठभूमि में एक एमएल मॉडल बनाता है और इसे आपकी स्प्रेडशीट में डेटा पर प्रशिक्षित करता है। मॉडल आपके Google डिस्क फ़ोल्डर पर simple_ml_for_sheets नामक फ़ोल्डर में सहेजा गया है।
आप मॉडल को प्रशिक्षित करने के लिए डेटा के किन स्तंभों को चुनकर और वैकल्पिक रूप से एक प्रशिक्षण एल्गोरिदम का चयन करके एक मॉडल को प्रशिक्षित कर सकते हैं।
एक मॉडल के प्रशिक्षित होने के बाद, आप निर्दिष्ट कॉलम में सभी मानों की भविष्यवाणी करने सहित कार्यों को करने के लिए इसका उपयोग कर सकते हैं
आप मॉडल का मूल्यांकन और समझ सकते हैं।
Colab में इस्तेमाल करने के लिए आप मॉडल को एक्सपोर्ट कर सकते हैं.
आप एक मॉडल का विवरण देख सकते हैं, और सिंपल एमएल द्वारा बनाए गए मॉडल का नाम बदल सकते हैं और हटा सकते हैं।
सरल एमएल आपके डेटा को सुरक्षित रखता है
सिंपल एमएल आपके स्प्रेडशीट डेटा को सुरक्षित रखता है। साधारण एमएल कभी भी मौजूदा डेटा को अधिलेखित नहीं करता है, इसके बजाय यह पूर्वानुमानित मूल्यों के साथ-साथ भविष्यवाणी की विश्वास संभावना दिखाते हुए नए कॉलम बनाता है। इस तरह, आप गलती से डेटा नहीं खोएंगे।
सरल एमएल के प्रशिक्षण संचालन सभी सीधे आपके ब्राउज़र में चलते हैं, जिसका अर्थ है कि आपका डेटा पूरी तरह से आपकी Google शीट में रहता है। लाभों में शामिल हैं:
- गोपनीयता: डेटासेट और मॉडल Google पत्रक (Google ड्राइव के अलावा) के बाहर किसी तीसरे पक्ष को नहीं भेजे जाते हैं।
- जवाबदेही: प्रशिक्षण तात्कालिक (छोटे डेटासेट पर) है।
- कोई कोटा सीमा नहीं: चूंकि आप प्रशिक्षण के लिए अपनी मशीन का उपयोग कर रहे हैं, आप जितने चाहें उतने मॉडल को प्रशिक्षित कर सकते हैं।
सरल एमएल आपकी स्प्रेडशीट में डेटा पर मॉडल को प्रशिक्षित करता है
सरल एमएल आपको विवरण के बारे में चिंता किए बिना अपनी स्प्रेडशीट में एमएल की शक्ति का उपयोग करने देता है। आपको केवल बड़ी तस्वीर के बारे में चिंता करनी है - आप उन भविष्यवाणियों का क्या करने जा रहे हैं?
हालाँकि, उन डेवलपर्स के लिए जो एमएल मॉडल के विकास और उपयोग के बारे में अधिक जानते हैं, सिंपल एमएल आपको अपने मॉडल तक पहुंच प्रदान करता है। उदाहरण के लिए, आप किसी मॉडल को मैन्युअल रूप से प्रशिक्षित, मूल्यांकन, लागू या विश्लेषण कर सकते हैं, और एक नया मॉडल बनाते समय आप एक प्रशिक्षण एल्गोरिदम चुन सकते हैं।
जब आप लापता मूल्यों की भविष्यवाणी करने जैसे कार्यों को करने के लिए सरल एमएल का उपयोग करते हैं, तो यह एक एमएल मॉडल उत्पन्न करता है और इसे आपके Google ड्राइव में simple_ml_for_sheets नामक फ़ोल्डर में सहेजता है। फिर आप उस मॉडल का उपयोग भविष्यवाणी करने और अन्य डेटा का विश्लेषण करने के लिए कर सकते हैं। उदाहरण के लिए, आप सहेजे गए मॉडल को कोलैब में अपलोड कर सकते हैं ताकि उसका उपयोग करने वाले कोड को लिख सकें और चला सकें।
शीट्स के लिए सरल ML का उपयोग करने के बारे में और जानें
आरंभ करने के लिए, शीट्स के परिचयात्मक ट्यूटोरियल के लिए ML देखें।
साधारण ML का उपयोग करने के तरीके के बारे में अधिक जानने के लिए शीट्स के लिए सरल ML दस्तावेज़ीकरण देखें।