Google 스프레드시트를 활용한 머신러닝 기본 사항 익히기:실용 가이드

Google Sheets는 분석을 위한 강력한 도구이므로 Google Sheets에서 기본적인 기계 학습 작업을 수행할 수 있습니다. Google 스프레드시트는 기계 학습 작업을 수행하기 위한 내장 기능, 부가기능, 통합 기능을 제공합니다. 이 글에서는 Google 스프레드시트에서 머신러닝을 사용하는 방법을 보여드리겠습니다.

Google Sheets를 사용하여 회귀 분석, 분류, 추세 예측과 같은 기계 학습 개념을 적용하기 위한 판매 데이터 세트를 고려해 보겠습니다.

1. 매출 예측을 위한 선형 회귀

선형 회귀는 하나 이상의 입력 변수를 기반으로 목표 변수를 예측하는 데 사용됩니다. Google 스프레드시트의 LINEST 함수를 사용하면 판매 수량을 기준으로 총 판매량을 예측할 수 있습니다.

• 입력 및 출력 변수가 될 Units Sold 및 Total Sales 열을 선택합니다.
• 셀을 선택하고 다음 수식을 삽입하세요.

수식:

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

그러면 판매된 수량 및 총 판매액 열을 기반으로 일련의 회귀 통계가 반환됩니다.

회귀 통계 세트:

• 첫 번째 값 27.02405783은 기울기(m)입니다.
• 두 번째 값 -42.01697274는 절편(b)입니다.

결과 해석 :회귀 방정식은 다음과 같습니다.

Total Sales = m * Units Sold + b

수식:

이 공식은 단위 가치와 회귀를 기반으로 향후 판매 가치를 예측합니다.

2. 추세 분석 – 향후 매출 예측

추세 분석에는 시간 경과에 따른 데이터의 패턴을 식별하는 작업이 포함됩니다. 이 경우 과거 판매 데이터를 바탕으로 향후 매출을 예측할 수 있습니다.

선 차트 삽입

• 날짜 및 총 판매액 열을 선택하세요.
• 삽입으로 이동 탭>> 차트 선택>> 설정에서>> 선 차트를 선택합니다. 시간 경과에 따른 판매 추세를 시각화합니다.

추세 판매에 추세선 추가:

• 차트 클릭>> 차트 편집기로 이동 .
• 맞춤설정에서 탭>> 시리즈를 선택합니다. 그런 다음 추세선을 확인하세요. 상자.
• 선 색상 형식 지정 및 선 불투명도 .
• 차트에 추세선이 추가됩니다.

TREND 기능 사용 :

향후 매출을 예측하려면 TREND 함수를 사용하세요. 예를 들어 다음 날 매출을 예측하는 데 사용할 수 있습니다.

수식:

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

이 수식은 Units Sold 열(E71)의 다음 값에 대한 총 판매량을 예측합니다.

3. Sheets 부가기능에 Simple ML 사용

Simple ML을 사용하여 판매 수량, 지역 또는 제품과 같은 기능을 기반으로 총 매출을 예측하는 회귀 모델을 구축할 수 있습니다. 이는 판매 추세를 예측하거나 주요 동인을 식별하는 데 도움이 됩니다.

추가 기능 설치 :

• 확장 프로그램 으로 이동 탭>> 부가 기능에서>> 부가기능 다운로드를 선택하세요. .

• 검색창에서 Simple ML을 검색하세요. .
• 선택 및 설치 애드온 스토어에서.

• 필요한 권한을 승인합니다.

시트에서 Simple ML 사용:

데이터 세트에 누락된 값이 있다고 가정해 보겠습니다. 이 추가 기능을 사용하면 누락된 값을 예측할 수 있습니다.

• 확장 프로그램 으로 이동 탭>>시트용 단순 ML 선택>> 시작을 클릭하세요. .

• 작업창에서>> 누락된 값 예측을 선택합니다. .

• 누락된 값(예:총 판매액) 열을 선택하고>> 예측을 클릭합니다. .

누락된 값은 시트의 새 열에 추가됩니다.

이제 Simple ML의 요구 사항에 따라 사용 가능한 모든 예측을 사용할 수 있습니다.

4. Google 스프레드시트용 BigML 부가기능 설치

• 확장 프로그램으로 이동합니다. 탭>> 부가 기능에서>> 추가 기능 다운로드를 선택하세요. .
• 시트용 BigML 검색>> 설치를 클릭하세요. 메시지에 따라 추가 기능을 승인하세요.

Google 스프레드시트를 BigML에 연결:

• 확장 프로그램 으로 이동 탭>> 선택 BigML>> 시작을 선택하세요. .

• BigML이 작업창에 나타납니다.
• BigML 자격 증명을 사용하여 로그인하거나 계정을 만드세요.
• Google 시트에서 시트를 선택하고 BigML로 데이터 보내기를 클릭합니다. .

BigML에서 모델 생성 및 학습:

• 데이터가 BigML에 업로드되면 BigML 대시보드를 엽니다. .
• 출처로 이동 탭>>1-클릭 데이터세트를 선택합니다. 데이터 세트를 생성합니다.

• 모델을 학습시키려면 LINEAR SPLIT을 선택하세요. . 모델 학습을 위해 80%의 데이터가 선택됩니다.

• 이제 사용 가능한 예측을 수행할 수 있습니다.
  • 선형 회귀 연속 값(예:총 매출)을 예측하는 데 사용됩니다.

출력:

이제 학습된 모델을 사용하여 사용 가능한 옵션을 통해 Google 스프레드시트의 새로운 데이터 포인트에 대한 결과를 직접 예측할 수 있습니다.

결론

Google 스프레드시트는 머신러닝 용도로 알려져 있지 않지만, 특히 초보자를 위한 머신러닝 개념을 처리할 수 있습니다. 내장된 기능을 사용한 선형 회귀부터 추가 기능을 사용한 고급 분류까지, 전문 소프트웨어 없이도 필수 작업을 수행할 수 있습니다. BigML 및 Simple ML Sheets와 같은 타사 추가 기능을 활용하여 몇 가지 단계를 수행하면 판매 데이터에 대한 통찰력을 얻을 수 있습니다. Google 스프레드시트를 고급 기계 학습 도구와 통합하여 분석 범위를 확장하려면 다음 기술을 살펴보세요.