مجموعی جائزہ
- آپ صرف چند مراحل میں ایکسل میں پیشن گوئی ماڈلنگ انجام دے سکتے ہیں۔
- ایکسل میں لکیری ریگریشن ماڈل کیسے بنایا جائے اور نتائج کی تشریح کیسے کی جائے اس بارے میں مرحلہ وار ٹیوٹوریل یہ ہے۔
تعارف
پیشن گوئی ماڈلنگ کے لئے ایکسل؟ واقعی؟
یہ عام طور پر پہلا ردعمل ہوتا ہے جب میں اس موضوع کو سامنے لاتا ہوں۔ اس کے بعد ایک ناقابل یقین نظر آتی ہے جب میں یہ ظاہر کرتا ہوں کہ ہم اپنے ڈیٹا سائنس اور تجزیاتی منصوبوں کے لیے پیشین گوئی کرنے والے ماڈلز بنانے کے لیے کس طرح ایکسل کی لچکدار نوعیت کا فائدہ اٹھا سکتے ہیں۔
میں آپ سے ایک سوال پوچھتا ہوں - اگر آپ کے آس پاس کی دکانوں نے کسٹمر کا ڈیٹا اکٹھا کرنا شروع کر دیا تو کیا وہ اپنا سامان بیچنے کے لیے ڈیٹا پر مبنی حکمت عملی اپنا سکتے ہیں؟ کیا وہ اپنی فروخت کی پیشن گوئی کر سکتے ہیں یا ان مصنوعات کی تعداد کا اندازہ لگا سکتے ہیں جو فروخت ہو سکتی ہیں؟
اب آپ سوچ رہے ہوں گے کہ دنیا میں وہ ایک پیچیدہ شماریاتی ماڈل کیسے بنائیں گے جو ان چیزوں کا اندازہ لگا سکے؟ اور تجزیات سیکھنا یا تجزیہ کار کی خدمات حاصل کرنا ان کے دائرہ کار سے باہر ہو سکتا ہے۔ یہاں اچھی خبر ہے – انہیں اس کی ضرورت نہیں ہے۔ مائیکروسافٹ ایکسل ہمیں پیچیدہ کوڈ لکھے بغیر پیش گوئی کرنے والے ماڈلز کو جوڑنے کی صلاحیت فراہم کرتا ہے جو زیادہ تر لوگوں کے سروں پر پرواز کرتا ہے۔
ہم آسانی سے MS Excel میں لکیری ریگریشن جیسا سادہ ماڈل بنا سکتے ہیں جو ہمیں چند آسان مراحل میں تجزیہ کرنے میں مدد دے سکتا ہے۔ اور پیشن گوئی ماڈلنگ کرنے کے لیے ہمیں ایکسل یا شماریات میں ماسٹر ہونے کی ضرورت نہیں ہے!
اس آرٹیکل میں، میں یہ بتانے جا رہا ہوں کہ ایکسل میں لکیری ریگریشن ماڈل کیسے بنایا جائے اور نتیجہ کا تجزیہ کیسے کیا جائے تاکہ آپ ایک سپر اسٹار تجزیہ کار بن سکیں!
یہ میری ایکسل فار اینالسٹس سیریز کا ساتواں مضمون ہے۔ میں ایک زیادہ موثر تجزیہ کار بننے کے لیے پچھلے مضامین کو دیکھنے کی انتہائی سفارش کرتا ہوں:
میں آپ کی حوصلہ افزائی کرتا ہوں کہ اگر آپ Excel اور Business Analytics میں ابتدائی ہیں تو درج ذیل وسائل کو چیک کریں:
کی میز کے مندرجات
- لکیری رجعت کیا ہے؟
- ایکسل میں تمام اہم ایڈ اینالیٹک ٹول پیک حاصل کرنا
- ایکسل میں لکیری رجعت کو نافذ کرنا
- ہمارے پیشن گوئی ماڈل کے نتائج کی تشریح
- ہم ماڈل کو کیسے بہتر بنا سکتے ہیں؟
- ایکسل میں پیشین گوئیاں کرنا!
لکیری رجعت کیا ہے؟
لکیری ریگریشن مشین لرننگ کی پہلی تکنیک ہے جو ہم میں سے اکثر سیکھتے ہیں۔ یہ صنعت میں سب سے زیادہ استعمال ہونے والی زیر نگرانی سیکھنے کی تکنیک بھی ہے۔
لیکن لکیری رجعت کیا ہے؟
منحصر متغیر (جس متغیر کی آپ پیش گوئی کرنا چاہتے ہیں) اور آزاد متغیر (پیش گوئی کرنے کے لیے استعمال ہونے والے عوامل) کے درمیان تعلق کو شماریاتی طور پر ماڈل کرنے کے لیے یہ ایک لکیری نقطہ نظر ہے۔ لکیری رجعت ہمیں اس طرح کی مساوات فراہم کرتی ہے:
یہاں، ہمارے پاس اپنے منحصر متغیر کے طور پر Y ہے، X آزاد متغیرات ہیں اور تمام C کے کوفیشینٹس ہیں۔ گتانک بنیادی طور پر خصوصیات کو تفویض کردہ وزن ہیں، ان کی اہمیت کی بنیاد پر۔
رجعت کو انجام دینے کا سب سے عام طریقہ OLS (Ordinary Least Squares) ہے۔ اس کا مقصد اس طرح بہترین فٹ کی لائن تیار کرنے کے لیے مربعوں کے مجموعے کو کم کرنا ہے:
اگر آپ لکیری رجعت کے بارے میں مزید جاننا چاہتے ہیں تو، یہاں کچھ وسائل ہیں:
تمام اہم تجزیہ ٹول پیک ایکسل ایڈ ان حاصل کرنا
ایکسل میں ریگریشن تجزیہ کرنے کے لیے، ہمیں پہلے ایکسل کو فعال کرنے کی ضرورت ہے۔ تجزیہ ٹول پاک ایڈ ان. ایکسل میں تجزیہ ٹول پیک ایک ایڈ ان پروگرام ہے جو شماریاتی اور انجینئرنگ کے تجزیہ کے لیے ڈیٹا کے تجزیہ کے اوزار فراہم کرتا ہے۔
اسے اپنی ورک بک میں شامل کرنے کے لیے، ان مراحل پر عمل کریں۔
مرحلہ 1 - ایکسل کے اختیارات
کو دیکھیے فائلوں -> آپشنز کے بھی:
مرحلہ 2 - تجزیات ٹول پیک کو تلاش کریں۔
کو دیکھیے شامل کریں بائیں پینل پر -> ایکسل ایڈ انز کا نظم کریں۔ -> Go:
مرحلہ 3 - تجزیاتی ٹول پیک شامل کریں۔
منتخب کریں “تجزیہ ٹول پاک”اور دبائیں OK:
آپ نے کامیابی کے ساتھ ایکسل میں تجزیہ ٹول پیک شامل کر لیا ہے! آپ پر جا کر اسے چیک کر سکتے ہیں۔ ڈیٹا ربن میں بار.
آئیے ایکسل میں اپنا پیشن گوئی ماڈل بنانا شروع کریں!
ایکسل میں لکیری رجعت کو نافذ کرنا
اب تک بہت ساری چیزیں نظریاتی تھیں۔ اب، آئیے ایکسل میں گہرائی میں غوطہ لگائیں اور لکیری ریگریشن تجزیہ کریں!
یہ مسئلہ بیان ہے جس کے ساتھ ہم کام کریں گے:
ونڈن قصبے میں جوتے فروخت کرنے والی کمپنی ہے۔ کمپنی مندرجہ ذیل عوامل پر غور کر کے ہر گاہک کے ذریعے فروخت کی پیشین گوئی کرنا چاہتی ہے - گاہک کی آمدنی، سٹور سے گھر کا فاصلہ، گاہک کی فی ہفتہ چلنے کی فریکوئنسی۔
مرحلہ 1 - رجعت کو منتخب کریں۔
کو دیکھیے ڈیٹا -> ڈیٹا انیلیسیز کی:
Data ToolPak میں Data Analysis پر جائیں، Regression کو منتخب کریں اور دبائیں۔ OK:
مرحلہ 2 - اختیارات منتخب کریں۔
اس مرحلے میں، ہم اپنے تجزیہ کے لیے ضروری اختیارات میں سے کچھ منتخب کریں گے، جیسے:
- ان پٹ y رینج - آزاد فیکٹر کی حد
- ان پٹ ایکس رینج - منحصر عوامل کی حد
- آؤٹ پٹ رینج - سیلز کی رینج جہاں آپ نتائج دکھانا چاہتے ہیں۔
دوسرے اختیارات صوابدیدی ہیں اور آپ انہیں اپنے مخصوص مقصد کے لیے منتخب کر سکتے ہیں۔
پریس OK اور ہم نے آخر کار ایکسل میں صرف دو مراحل میں ایک ریگریشن تجزیہ کیا ہے! کیا یہ آسان نہیں تھا؟ اب ہم ایکسل میں رجعت تجزیہ کا نتیجہ دیکھیں گے۔
ایکسل میں ہمارے پیش گوئی کرنے والے ماڈل کے نتائج کا تجزیہ کرنا
لکیری ریگریشن ماڈل کو نافذ کرنا آسان حصہ تھا۔ اب ہمارے تجزیہ کا مشکل پہلو آتا ہے – ایکسل میں پیشین گوئی کرنے والے ماڈل کے نتائج کی تشریح۔
خلاصہ میں، ہمارے پاس آؤٹ پٹ کی 3 قسمیں ہیں اور ہم ان کا ایک ایک کرکے احاطہ کریں گے:
- رجعت کے اعدادوشمار کی میز
- انووا ٹیبل
- ریگریشن گتانک جدول
- بقایا میز
رجعت کے اعداد و شمار کا ٹیبل
رجعت کے اعداد و شمار کا جدول ہمیں بتاتا ہے کہ بہترین فٹ کی لائن آزاد اور منحصر متغیر کے درمیان لکیری تعلق کو کتنی اچھی طرح سے بیان کرتی ہے۔ دو سب سے اہم اقدامات R مربع اور ایڈجسٹ R مربع قدریں ہیں۔
۔ آر مربع اعدادوشمار کا اشارہ ہے۔ فٹ کی نیکی جو ہمیں بتاتا ہے کہ بہترین فٹ کی لائن سے کتنے تغیرات کی وضاحت کی گئی ہے۔ R-squared ویلیو 0 سے 1 تک ہوتی ہے۔ ہمارے معاملے میں، ہمارے پاس R-squared ویلیو 0.953 ہے جس کا مطلب ہے کہ ہماری لائن 95% تغیرات کی وضاحت کرنے کے قابل ہے - ایک اچھی علامت۔
لیکن ایک مسئلہ ہے - جیسا کہ ہم مزید متغیرات شامل کرتے رہیں گے، ہماری R مربع قدر بڑھتی رہے گی اگرچہ متغیر کا کوئی اثر نہ ہو رہا ہو۔ ایڈجسٹ شدہ R-squared اس مسئلے کو حل کرتا ہے اور ایک بہت زیادہ قابل اعتماد میٹرک ہے۔
انووا ٹیبل
انووا کا مطلب ہے تغیرات کا تجزیہ. ماڈل کے اندر تغیرات کی تفصیلات دینے کے لیے یہ جدول مربعوں کے مجموعے کو اپنے اجزاء میں تقسیم کرتا ہے۔
اس میں ایک بہت اہم میٹرک شامل ہے، اہمیت ایف (یا پی ویلیو)، جو ہمیں بتاتا ہے کہ آیا آپ کا ماڈل شماریاتی لحاظ سے اہم ہے یا نہیں۔ مختصراً، اس کا مطلب ہے کہ ہمارے نتائج ممکنہ طور پر بے ترتیب ہونے کی وجہ سے نہیں بلکہ ایک بنیادی وجہ کی وجہ سے ہیں۔ p-value کے لیے سب سے زیادہ استعمال ہونے والی حد 0.05 ہے۔ اگر ہمیں اس سے کم قیمت مل رہی ہے، تو ہم جانے کے لیے اچھے ہیں۔ دوسری صورت میں، ہمیں آزاد متغیرات کا ایک اور سیٹ منتخب کرنے کی ضرورت ہوگی۔
ہمارے معاملے میں، ہمارے پاس 0.05 کی حد سے نیچے کی قدر ہے۔ بہت اچھا، ہم اب آگے بڑھ سکتے ہیں!
ریگریشن کوفیشینٹ ٹیبل
Coefficient ٹیبل ریگریشن لائن کے 0f اجزاء کو گتانک کی شکل میں توڑ دیتا ہے۔ ہم ان سے بہت کچھ سمجھ سکتے ہیں۔
Winden جوتا کمپنی کے لئے، ایسا لگتا ہے کہ ہر یونٹ کے لئے میں اضافہ آمدنی، فروخت میں 0.08 یونٹس کا اضافہ، اور ایک یونٹ میں اضافہ دکان سے فاصلہ 508 یونٹس کا اضافہ!
ایسا لگتا ہے کہ اضافہ ہوا ہے۔ چلنے کی تعدد فروخت میں 24 یونٹس کی کمی واقع ہوتی ہے، لیکن کیا ہم واقعی اس خصوصیت پر یقین رکھتے ہیں؟ اگر آپ اوپر کی تصویر میں دیکھیں گے تو آپ دیکھیں گے کہ اس کی p-value 0.5 سے زیادہ ہے جس کا مطلب ہے کہ یہ شماریاتی لحاظ سے اہم نہیں ہے۔ ہم اگلے حصے میں دیکھیں گے کہ ہم اس صورتحال سے کیسے نمٹ سکتے ہیں۔
بقایا میز
بقایا جدول اس بات کی عکاسی کرتا ہے کہ پیش گوئی کی گئی قدر اصل قدر سے کتنی مختلف ہوتی ہے۔ یہ ہمارے ماڈل کے ذریعہ پیش گوئی کی گئی اقدار پر مشتمل ہے:
ہم اپنے ماڈل کو کیسے بہتر بنا سکتے ہیں؟
جیسا کہ ہم نے پہلے دیکھا، متغیر کے لیے p-value چلنے کی تعدد 0.05 سے زیادہ ہے تو آئیے اس متغیر کو اپنے تجزیہ سے ہٹا کر اپنے نتائج چیک کریں۔
ہم اوپر بیان کردہ تمام مراحل کی پیروی کریں گے لیکن ہم چلنے والے فریکوئنسی کالم کو شامل نہیں کریں گے:
ہم نے دیکھا کہ ایڈجسٹ شدہ R-squared کی قدر یہاں 0.920 سے 0.929 تک قدرے بہتر ہوئی ہے!
ایکسل میں پیشین گوئیاں کرنا!
ہمارے پاس رجعت کا تجزیہ تیار ہے تو اب ہم کیا کر سکتے ہیں؟ چلو دیکھتے ہیں.
آپ کا ایک پرانا گاہک جس کا نام الیگزینڈر ہے اور ہم اس سے فروخت کی پیش گوئی کرنا چاہتے ہیں۔ ہم لکیری ریگریشن ماڈل میں ڈیٹا سے نمبر کو آسانی سے پلگ ان کر سکتے ہیں اور ہم جانے کے لئے تیار ہیں!
الیگزینڈر کی آمدنی 40k ہے اور وہ اسٹور سے 2 کلومیٹر دور رہتا ہے۔ تخمینہ فروخت کیا ہے؟
مساوات بن جاتی ہے:
یہاں، ہمارے ماڈل نے اندازہ لگایا ہے کہ مسٹر الیگزینڈر اپنے جوتوں کا نیا جوڑا خریدنے کے لیے 4218 یونٹ ادا کریں گے! یہ صرف مائیکروسافٹ ایکسل میں لکیری رجعت کی طاقت ہے۔
اختتامی نوٹس
اس مضمون میں، ہم نے سیکھا کہ ایکسل میں لکیری ریگریشن ماڈل کیسے بنایا جائے اور نتائج کی تشریح کیسے کی جائے۔ مجھے امید ہے کہ یہ گائیڈ تجزیہ کار یا ڈیٹا سائنسدان کے طور پر بہتر بننے میں آپ کی مدد کرے گا۔
Analytics ToolPak ایکسل میں تجزیہ کے بہت سے دوسرے اختیارات پر مشتمل ہے۔ آپ اپنی روزمرہ کی زندگی میں بہت سے دوسرے شماریاتی تجزیہ آزما سکتے ہیں!
آپ یہ مضمون ہماری موبائل ایپ پر بھی پڑھ سکتے ہیں۔ 
متعلقہ مضامین
ماخذ: https://www.analyticsvidhya.com/blog/2020/06/predictive-modeling-excel-linear-regression/
