🍶 🥅 ✋ PyCaret का उपयोग करके Power BI में क्लस्टरिंग को कैसे कार्यान्वित करें 🌿 🛵 🧑🏼‍🤝‍🧑🏼

फिर से हैलो। आज हम मूल पाठ्यक्रम "डेटा विज्ञान के लिए गणित" की शुरुआत की प्रत्याशा में अनुवाद की श्रृंखला जारी रखते हैं ।

हाल ही के एक लेख में, हमने पायरेट को इसमें एकीकृत करके पावर बीआई में एक विसंगति डिटेक्टर बनाने के बारे में बात की, और विश्लेषकों और डेटा विश्लेषकों को बहुत अधिक प्रयास के बिना रिपोर्ट और डैशबोर्ड में मशीन सीखने को जोड़ने में मदद करते हैं।

इस लेख में, हम देखेंगे कि PyCaret और Power BI का उपयोग करके क्लस्टर विश्लेषण कैसे करें। अगर आपने पहले PyCaret के बारे में कुछ नहीं सुना है, तो आप यहाँ से परिचित होना शुरू कर सकते हैं ।

आज की गाइड में हम किन बातों पर चर्चा करेंगे:

क्लस्टरिंग क्या है? क्लस्टरिंग के प्रकार।
एक शिक्षक के बिना सीखना और पावर बीआई में एक क्लस्टरिंग मॉडल को लागू करना।
परिणामों का विश्लेषण और डैशबोर्ड पर जानकारी का दृश्य।
पावर बीआई में उत्पादन पर एक क्लस्टरिंग मॉडल कैसे तैनात करें?

हम शुरू करने से पहले ...

यदि आपने पहले पायथन का उपयोग किया है, तो सबसे अधिक संभावना है कि आपके कंप्यूटर पर पहले से ही एनाकोंडा है। यदि नहीं, तो आप पायथन 3.7 से एनाकोंडा वितरण डाउनलोड कर सकते हैं या यहाँ से उच्चतर ।

पर्यावरण की स्थापना

Power BI में PyCaret मशीन सीखने की सुविधाओं का उपयोग शुरू करने से पहले, आपको एक आभासी वातावरण बनाने और उसमें इसे स्थापित करने की आवश्यकता है pycaret। ऐसा करने के लिए, हमें तीन चरण करने होंगे:

चरण 1 - एक आभासी वातावरण बनाएं

एनाकोंडा कमांड प्रॉम्प्ट खोलें और निम्नलिखित दर्ज करें:

conda create --name myenv python=3.7

चरण 2 - PyCaret स्थापित करें

एनाकोंडा कमांड प्रॉम्प्ट पर निम्न कमांड चलाएँ:

pip install pycaret

स्थापना में 15-20 मिनट लग सकते हैं। यदि आप स्थापना के दौरान किसी भी समस्या का सामना करते हैं, तो आप GitHub पर हमारे पृष्ठ पर उनके समाधान के साथ खुद को परिचित कर सकते हैं ।

चरण 3 - पावर बीआई में संकेत दें जहां पायथन स्थापित किया गया है।

बनाया गया आभासी वातावरण पावर बीआई के साथ जुड़ा होना चाहिए। आप Power BI डेस्कटॉप में ग्लोबल सेटिंग्स (फ़ाइल -> विकल्प -> ग्लोबल -> पायथन स्क्रिप्टिंग) का उपयोग करके ऐसा कर सकते हैं । एनाकोंडा पर्यावरण को डिफ़ॉल्ट रूप से निर्देशिका में रखा जाता है:

C:\Users\username\AppData\Local\Continuum\anaconda3\envs\myenv

क्लस्टरिंग क्या है?

क्लस्टरिंग समान विशेषताओं के अनुसार समूहों में डेटा को विभाजित करने की एक विधि है। ऐसे समूह डेटा का अध्ययन करने, पैटर्न की पहचान करने और डेटा के सबसेट का विश्लेषण करने के लिए उपयोगी हो सकते हैं। क्लस्टरिंग डेटा अंतर्निहित डेटा संरचनाओं की पहचान करने में मदद करता है, जो कई उद्योगों में उपयोगी है। यहाँ व्यापार में क्लस्टरिंग के लिए कुछ सामान्य उपयोग दिए गए हैं:

विपणन ग्राहक विभाजन।
पदोन्नति और छूट के लिए उपभोक्ता व्यवहार का विश्लेषण।
एक प्रकोप के दौरान जियोक्लस्टर्स की पहचान, जैसे, COVID-19।

क्लस्टरिंग प्रकार

क्लस्टरिंग कार्यों की व्यक्तिपरक प्रकृति को देखते हुए, विभिन्न एल्गोरिदम हैं जो कुछ प्रकार के कार्यों को हल करने के लिए बेहतर अनुकूल हैं। प्रत्येक एल्गोरिथ्म की अपनी विशेषताओं और गणितीय औचित्य है, जो क्लस्टर के वितरण को रेखांकित करता है।

आज के ट्यूटोरियल में, हम PyCaret नामक पायथन लाइब्रेरी का उपयोग करके Power BI में क्लस्टर विश्लेषण के बारे में बात कर रहे हैं और हम गणित में गहराई से नहीं जाएंगे।

आज हम k- साधन विधि का उपयोग करेंगे - एक शिक्षक के बिना सबसे सरल और सबसे लोकप्रिय शिक्षण विधियों में से एक। आप k-साधन विधि के बारे में अधिक जानकारी पा सकते हैं यहाँ ।

व्यावसायिक संदर्भ

इस गाइड में, हम विश्व स्वास्थ्य संगठन के वैश्विक स्वास्थ्य व्यय डेटाबेस से एक पूर्व-निर्मित डेटासेट का उपयोग करेंगे। इसमें 2000 से 2017 तक 200 से अधिक देशों के लिए राष्ट्रीय सकल घरेलू उत्पाद के प्रतिशत के रूप में स्वास्थ्य व्यय शामिल है।
हमारा काम k- साधन विधि का उपयोग करके इस डेटा में पैटर्न और समूहों को खोजना है।

डेटा यहां पाया जा सकता है ।

तो, चलो शुरू करते हैं

अब जब आपने एनाकोंडा पर्यावरण की स्थापना की है, PyCaret स्थापित किया है, तो आप क्लस्टर विश्लेषण की मूल बातें और व्यावसायिक संदर्भ को समझते हैं, यह व्यापार के लिए नीचे उतरने का समय है।

1. डाटा अधिग्रहण

पहला कदम है डेटा बाई डेस्कटॉप में डेटासेट आयात करना। आप वेब कनेक्टर का उपयोग करके डेटा डाउनलोड कर सकते हैं। (पावर बीआई डेस्कटॉप → वेब से डेटा → प्राप्त करें )।

Csv फ़ाइल के लिए लिंक: https://github.com/pycaret/powerbi-clustering/blob/master/clustering.csv ।

2. मॉडल प्रशिक्षण

Power BI में क्लस्टरिंग मॉडल को सीखने के लिए, हमें Power Query Editor ( पावर क्वेरी संपादक → ट्रांसफॉर्म → रन पायथन स्क्रिप्ट ) में एक पायथन स्क्रिप्ट को निष्पादित करने की आवश्यकता है । स्क्रिप्ट के रूप में निम्नलिखित कोड का उपयोग करें:

from pycaret.clustering import *
dataset = get_clusters(dataset, num_clusters=5, ignore_features=['Country'])

हमने पैरामीटर का उपयोग करके सेट के "देश" कॉलम को अनदेखा कर दिया ignore_features। मशीन लर्निंग मॉडल को बेहतर तरीके से प्रशिक्षित करने के लिए आपको कुछ स्तंभों को बाहर करने की आवश्यकता हो सकती है।

PyCaret आपको उन्हें हटाने के बजाय अनावश्यक स्तंभों को छिपाने की अनुमति देता है, क्योंकि आपको भविष्य में और विश्लेषण के लिए उनकी आवश्यकता हो सकती है। उदाहरण के लिए, अभी हम प्रशिक्षण के लिए "देश" का उपयोग नहीं करना चाहते थे और इस कॉलम को पास कर दिया था ignore_features।

PyCaret में 8 रेडी-टू-यूज़ मशीन लर्निंग एल्गोरिदम हैं।

डिफ़ॉल्ट रूप से, PyCaret चार समूहों पर k- साधन क्लस्टरिंग मॉडल को प्रशिक्षित करता है। लेकिन डिफ़ॉल्ट मान आसानी से बदले जा सकते हैं:

मॉडल के प्रकार बदलने के लिए, का उपयोग मॉडल पैरामीटर में get_clusters()।
क्लस्टर की संख्या बदलने के लिए, विकल्प का उपयोग करें num_clusters।

उदाहरण के लिए, यह है कि आप 6 समूहों में k- साधन क्लस्टरिंग कैसे कर सकते हैं।

from pycaret.clustering import *
dataset = get_clusters(dataset, model='kmodes', num_clusters=6, ignore_features=['Country'])

निष्कर्ष:

मूल डेटासेट में क्लस्टर लेबल के साथ एक और कॉलम जोड़ा गया है। फिर वर्ष कॉलम के सभी मानों का उपयोग डेटा को सामान्य करने और पावर बीआई में आगे की कल्पना करने के लिए किया जाता है।

इस तरह से पावर बीआई में अंतिम परिणाम दिखेगा।

3. डैशबोर्ड

जब आपको Power BI में क्लस्टर लेबल मिलते हैं, तो आप उन्हें विश्लेषण के लिए Power BI में डैशबोर्ड में कल्पना कर सकते हैं:

आप GitHub से PBIX फ़ाइल और डेटासेट डाउनलोड कर सकते हैं ।

क्लस्टरिंग कार्यान्वयन

ऊपर, हमने पावर बीआई में सबसे सरल क्लस्टरिंग कार्यान्वयन का प्रदर्शन किया। मैं ध्यान देता हूं कि यह विधि पावर बाइ में अपडेट किए जाने पर हर बार क्लस्टरिंग मॉडल को प्रशिक्षित करती है। यह निम्नलिखित कारणों से एक समस्या हो सकती है:

जब मॉडल को नए डेटा पर फिर से प्रशिक्षित किया जाता है, तो क्लस्टर लेबल बदल सकते हैं (अर्थात, यदि पहले कुछ डेटा पॉइंट्स को पहले क्लस्टर को सौंपा गया था, तो जब फिर से प्रशिक्षित किया जाता है, तो उन्हें दूसरे क्लस्टर में सौंपा जा सकता है);
आप मॉडल को फिर से प्रशिक्षित करने के लिए हर बार कई घंटे नहीं बिताना चाहेंगे।

पावर बीआई में क्लस्टरिंग को फिर से सीखने की बजाय लागू करने का एक अधिक प्रभावी तरीका क्लस्टर लेबल बनाने के लिए पूर्व-प्रशिक्षित मॉडल का उपयोग करना है।

एडवांस मॉडल ट्रेनिंग

आप मॉडल को प्रशिक्षित करने के लिए किसी भी एकीकृत विकास वातावरण (IDE) या नोटबुक का उपयोग कर सकते हैं। इस उदाहरण में, हमने विज़ुअल स्टूडियो कोड में क्लस्टरिंग मॉडल को प्रशिक्षित किया।

फिर, प्रशिक्षित मॉडल को अचार फ़ाइल के रूप में सहेजा जाता है और क्लस्टर लेबल उत्पन्न करने के लिए पावर क्वेरी में आयात किया जाता है।

यदि आप PyCaret के साथ Jupyter नोटबुक में क्लस्टर विश्लेषण को लागू करने के बारे में अधिक जानना चाहते हैं, तो दो मिनट का यह वीडियो देखें।

पूर्व प्रशिक्षित मॉडल का उपयोग करना

पूर्व-प्रशिक्षित मॉडल से टैग उत्पन्न करने के लिए नीचे दिया गया कोड चलाएँ:

from pycaret.clustering import *
dataset = predict_model('c:/.../clustering_deployment_20052020, data = dataset)

परिणाम वही होगा जैसा हमने पहले देखा था। अंतर केवल इतना है कि पूर्व-प्रशिक्षित मॉडल का उपयोग करते समय, पुराने मॉडल का उपयोग करते हुए नए डेटा सेट के आधार पर टैग उत्पन्न किए जाएंगे, न कि उस मॉडल पर जो कि मुकर गया है।

पावर बीआई सेवा के साथ काम करें

जब आप .pbix फ़ाइल को Power BI सेवा पर अपलोड करते हैं, तो आपको अपने डेटा पाइपलाइन में मशीन लर्निंग पाइपलाइन के सुचारू एकीकरण को सुनिश्चित करने के लिए कुछ और चरणों का पालन करना होगा। चरण इस प्रकार होंगे:

डेटासेट के निर्धारित अद्यतन को चालू करें - यह आपको अपने डेटासेट के साथ कार्यपुस्तिका को शेड्यूल करने की अनुमति देगा पायथन स्क्रिप्ट का उपयोग करके अपडेट किया जा सकता है, कॉन्फ़िगरेशन शेड्यूल किए गए ताज़ा अनुभाग पर एक नज़र डालें , जिसमें व्यक्तिगत गेटवे के बारे में भी जानकारी है।
व्यक्तिगत गेटवे स्थापित करें - आपको एक निजी गेटवे की आवश्यकता होगी, जिसे उसी निर्देशिका में स्थापित किया जाना चाहिए जहां अजगर स्थापित है। पावर बीआई सेवा के पास पायथन पर्यावरण तक पहुंच होनी चाहिए। यहां आप व्यक्तिगत गेटवे को स्थापित और कॉन्फ़िगर करने के तरीके के बारे में अधिक जान सकते हैं।

यदि आप क्लस्टर विश्लेषण के बारे में अधिक जानना चाहते हैं, तो आप इस नोटबुक में हमारे गाइड के साथ खुद को परिचित कर सकते हैं ।

पाठ्यक्रम पर जाओ।

PyCaret का उपयोग करके Power BI में क्लस्टरिंग को कैसे कार्यान्वित करें