前言

Simple ML 是 TensorFlow 開發團隊釋出的 Google Sheets 擴充套件，目前還處於測試階段。
可幫助所有人使用機器學習，包含沒有寫程式或 ML 基礎的人，只需要在 Google 表格中用滑鼠簡單點擊，就能夠對資料作出預測。

• Introducing Simple ML for Sheets: A No-code Machine Learning Add-on for Google Sheets
• TensorFlow釋出Google Sheets零程式碼機器學習擴充套件

本篇文章會依照官方的 這篇教學文章 來做說明與教學。

教學

分成以下章節：

• 安裝 Simple ML for Sheets
• Task 1：預測缺失值 (Predict missing values)
• Task 2：發現異常值 (Spot abnormal values)
• 進階功能

安裝 Simple ML for Sheets

1. 前往 Google Workspace Marketplace 頁面安裝 Simple ML for Sheets

2. 複製官方提供的範例 sheet，下方的教學將操作此表格來說明各項功能。

3. 打開此 sheet 後，看看上方工具列是否有 "擴充功能" > "Simple ML for Sheets"。
   如果沒出現此按鈕，稍微等個一分鐘後重整網頁試試。

Task 1：預測缺失值 (Predict missing values)

先確認切到 "Case #1: Predict missing values" 分頁。

簡單來說這份表格紀錄三種物種的企鵝("Chinstrap"、"Gentoo"、"Adelie")，每一行代表一隻企鵝，但可以看到觀測員漏填了幾隻企鵝的物種，所以我們要藉由企鵝的多項數值，預測出缺失的分別為哪種企鵝。

點擊上方工具列 "擴充功能" > "Simple ML for Sheets" > "Start"。

確認我們是要 "預測缺失值 (Predict missing values)"，並且需要預測的欄位是 "species"，開始 "Predict"。
(下方更多設定可以點開來研究研究~)

稍等幾秒後，它會自動產生兩個欄位 "Pred:species"、"Pred:Conf.species"。
"Pred:species" 代表 AI 預測此企鵝是哪個物種；"Pred:Conf.species" 代表預測的信心度(百分比)。

Task 2：發現異常值 (Spot abnormal values)

切換到 "Case #2: Spot abnormal values" 分頁。

這邊是科學家紀錄鮑魚的數據，最後一列 Rings 代表鮑魚殼上的環數(鮑魚的年齡)，像是可以透過樹幹上的年輪數判斷樹的年齡一樣，這次任務是要找出環數的異常情況。

一樣確認我們是要 "發現異常值 (Spot abnormal values)"，並且有異常值的欄位是 "Rings"，開始 "Spot abnormal values"。
(下方更多設定可以點開來研究~)

稍等幾秒後，它一樣會自動產生兩個欄位 "Pred:Abnormality:Rings"、"Pred:MostLikely:Rings"。
"Pred:Abnormality:Rings" 代表每一行與其值的相似程度，範圍從 0（最正常）到 1（最異常）；"Pred:MostLikely:Rings" 代表預測最有可能的環數。

進階功能

除了以上示範的 "預測缺失值"、"發現異常值" 以外，它還有幾項進階功能："訓練模型"、"評估模型"、"解釋模型"、"匯出模型" 等等。

"匯出模型" 是可以將模型導出到 Google Colab 做些其他的應用。

至於以上訓練出來的模型，會幫你儲存在你的 Google 雲端硬碟根目錄的 "simple_ml_for_sheets" 資料夾內。

結語

可以從以上的範例中發現，就算是完全沒接觸過機器學習的使用者，只要點幾個按鈕，就可以輕易的 "預測缺失值" 或 "發現異常值"。
而且它是附加在 Google Sheets 裡，也不會特別另外學習複雜的 UI 操作，應該是還蠻容易使用的。

歡迎追蹤『IT空間』FB 粉專，取得最新發文通知🔔

參考：
Introducing Simple ML for Sheets: A No-code Machine Learning Add-on for Google Sheets
TensorFlow釋出Google Sheets零程式碼機器學習擴充套件
Simple ML for Sheets Tutorial

當你踏上路途，路就會自己長出來。