تحقیقی ڈیٹا کے تجزیہ کے لیے Amazon SageMaker کینوس کا استعمال کریں۔

ایکسپلوریٹری ڈیٹا اینالیسس (EDA) ایک عام کام ہے جو کاروباری تجزیہ کاروں کے ذریعے پیٹرنز کو دریافت کرنے، تعلقات کو سمجھنے، مفروضوں کی توثیق کرنے اور اپنے ڈیٹا میں بے ضابطگیوں کی نشاندہی کرنے کے لیے انجام دیا جاتا ہے۔ مشین لرننگ (ML) میں، ماڈل کی تعمیر میں جانے سے پہلے ڈیٹا اور اس کے تعلقات کو سمجھنا ضروری ہے۔ روایتی ایم ایل ڈیولپمنٹ سائیکل میں بعض اوقات مہینوں لگ سکتے ہیں اور اس کے لیے جدید ڈیٹا سائنس اور ایم ایل انجینئرنگ کی مہارتوں کی ضرورت ہوتی ہے، جب کہ بغیر کوڈ کے ایم ایل سلوشنز کمپنیوں کو دنوں یا گھنٹوں تک ایم ایل سلوشنز کی ترسیل کو تیز کرنے میں مدد کر سکتے ہیں۔

ایمیزون سیج میکر کینوس ایک بغیر کوڈ ML ٹول ہے جو کاروباری تجزیہ کاروں کو بغیر کوڈ لکھے یا کسی ML تجربے کی ضرورت کے بغیر درست ML پیشین گوئیاں پیدا کرنے میں مدد کرتا ہے۔ کینوس ڈیٹاسیٹس کو لوڈ کرنے، صاف کرنے اور تبدیل کرنے کے لیے استعمال میں آسان بصری انٹرفیس فراہم کرتا ہے، جس کے بعد ایم ایل ماڈلز کی تعمیر اور درست پیشین گوئیاں تیار کی جاتی ہیں۔

اس پوسٹ میں، ہم آپ کے ML ماڈل کو بنانے سے پہلے اپنے ڈیٹا کی بہتر تفہیم حاصل کرنے کے لیے EDA کو انجام دینے کے طریقہ پر چلتے ہیں، کینوس کے بلٹ ان ایڈوانس ویژولائزیشنز کی بدولت۔ یہ تصورات آپ کے ڈیٹا سیٹس میں موجود خصوصیات کے درمیان تعلقات کا تجزیہ کرنے اور اپنے ڈیٹا کو بہتر طور پر سمجھنے میں آپ کی مدد کرتے ہیں۔ یہ اعداد و شمار کے ساتھ تعامل کرنے اور ایسی بصیرتیں دریافت کرنے کی صلاحیت کے ساتھ بدیہی طور پر کیا جاتا ہے جو ایڈہاک استفسار کے ساتھ کسی کا دھیان نہیں رہ سکتی ہیں۔ ایم ایل ماڈلز کی تعمیر اور تربیت سے پہلے کینوس کے اندر 'ڈیٹا ویژولائزر' کے ذریعے انہیں تیزی سے بنایا جا سکتا ہے۔

حل جائزہ

یہ تصورات کینوس کے ذریعہ پہلے سے پیش کردہ ڈیٹا کی تیاری اور تلاش کی صلاحیتوں کی حد میں اضافہ کرتے ہیں، بشمول گمشدہ اقدار کو درست کرنے اور آؤٹ لیرز کو تبدیل کرنے کی صلاحیت؛ ڈیٹا سیٹس کو فلٹر کریں، جوائن کریں اور ان میں ترمیم کریں؛ اور ٹائم اسٹیمپ سے مخصوص وقت کی قدریں نکالیں۔ اس بارے میں مزید جاننے کے لیے کہ کینوس آپ کو اپنے ڈیٹا سیٹ کو صاف کرنے، تبدیل کرنے اور تیار کرنے میں کس طرح مدد کر سکتا ہے، چیک کریں۔ اعلی درجے کی تبدیلیوں کے ساتھ ڈیٹا تیار کریں۔.

ہمارے استعمال کے معاملے کے لیے، ہم دیکھتے ہیں کہ گاہک کسی بھی کاروبار میں کیوں گھومتے ہیں اور یہ واضح کرتے ہیں کہ EDA تجزیہ کار کے نقطہ نظر سے کس طرح مدد کر سکتا ہے۔ اس پوسٹ میں ہم جو ڈیٹاسیٹ استعمال کرتے ہیں وہ ایک ٹیلی کمیونیکیشن موبائل فون کیریئر کا ایک مصنوعی ڈیٹاسیٹ ہے جو گاہک کی پیشن گوئی کے لیے ہے جسے آپ ڈاؤن لوڈ کر سکتے ہیں (churn.csv) یا آپ تجربہ کرنے کے لیے اپنا ڈیٹا سیٹ لاتے ہیں۔ اپنے ڈیٹاسیٹ کو درآمد کرنے کی ہدایات کے لیے، ملاحظہ کریں۔ ایمیزون سیج میکر کینوس میں ڈیٹا درآمد کرنا.

شرائط

میں دی گئی ہدایات پر عمل کریں Amazon SageMaker Canvas کو ترتیب دینے کے لیے شرائط اس سے پہلے کہ آپ آگے بڑھیں۔

اپنا ڈیٹا سیٹ کینوس میں درآمد کریں۔

نمونہ ڈیٹاسیٹ کینوس میں درآمد کرنے کے لیے، درج ذیل مراحل کو مکمل کریں:

1. کینوس میں بطور کاروباری صارف لاگ ان کریں۔.سب سے پہلے، ہم اپنے مقامی کمپیوٹر سے کینوس پر پہلے ذکر کردہ ڈیٹا سیٹ اپ لوڈ کرتے ہیں۔ اگر آپ دوسرے ذرائع استعمال کرنا چاہتے ہیں، جیسے ایمیزون ریڈ شفٹ، کا حوالہ دیتے ہیں ایک بیرونی ڈیٹا سورس سے جڑیں۔.
2. میں سے انتخاب کریں درآمد کریں.
3. میں سے انتخاب کریں اپ لوڈ کریں، پھر منتخب کریں اپنے کمپیوٹر سے فائلیں منتخب کریں۔.
4. اپنا ڈیٹا سیٹ (churn.csv) منتخب کریں اور منتخب کریں۔ ڈیٹا درآمد کریں۔.
5. ڈیٹاسیٹ کو منتخب کریں اور منتخب کریں۔ ماڈل بنائیں.
6. کے لئے ماڈل کا نام، ایک نام درج کریں (اس پوسٹ کے لیے، ہم نے نام چرن کی پیشن گوئی دی ہے)۔
7. میں سے انتخاب کریں تخلیق کریں.
   
   جیسے ہی آپ اپنا ڈیٹا سیٹ منتخب کرتے ہیں، آپ کو ایک جائزہ پیش کیا جاتا ہے جو ڈیٹا کی قسموں، گمشدہ اقدار، غیر مماثل اقدار، منفرد اقدار، اور متعلقہ کالموں کی اوسط یا موڈ اقدار کا خاکہ پیش کرتا ہے۔
   EDA کے نقطہ نظر سے، آپ دیکھ سکتے ہیں کہ ڈیٹاسیٹ میں کوئی لاپتہ یا مماثل اقدار نہیں ہیں۔ ایک کاروباری تجزیہ کار کے طور پر، آپ ڈیٹا ایکسپلوریشن شروع کرنے سے پہلے ہی ماڈل کی تعمیر کے بارے میں ابتدائی بصیرت حاصل کرنا چاہیں گے تاکہ اس بات کی نشاندہی کی جا سکے کہ ماڈل کس طرح پرفارم کرے گا اور کون سے عوامل ماڈل کی کارکردگی میں حصہ ڈال رہے ہیں۔ کینوس آپ کو ماڈل بنانے سے پہلے اپنے ڈیٹا سے بصیرت حاصل کرنے کی صلاحیت فراہم کرتا ہے۔
8. اس سے پہلے کہ آپ کوئی ڈیٹا ایکسپلوریشن کریں، منتخب کریں۔ پیش نظارہ ماڈل.
9. پیشین گوئی کرنے کے لیے کالم کو منتخب کریں
10. میں سے انتخاب کریں پیش نظارہ ماڈل. SageMaker Canvas آپ کے ڈیٹا کا سب سیٹ استعمال کرتا ہے تاکہ یہ چیک کیا جا سکے کہ آیا آپ کا ڈیٹا درست پیشین گوئی پیدا کرنے کے لیے تیار ہے یا نہیں۔ اس نمونہ ماڈل کا استعمال کرتے ہوئے، آپ موجودہ ماڈل کی درستگی اور پیشین گوئیوں پر ہر کالم کے رشتہ دار اثرات کو سمجھ سکتے ہیں۔

مندرجہ ذیل اسکرین شاٹ ہمارا پیش نظارہ دکھاتا ہے۔

ماڈل کا پیش نظارہ اس بات کی نشاندہی کرتا ہے کہ ماڈل 95.6% وقت میں درست ہدف (متھراہٹ؟) کی پیش گوئی کرتا ہے۔ آپ ابتدائی کالم کا اثر بھی دیکھ سکتے ہیں (ہر کالم کا ہدف کالم پر اثر ہوتا ہے)۔ آئیے کچھ ڈیٹا ایکسپلوریشن، ویژولائزیشن، اور ٹرانسفارمیشن کرتے ہیں، اور پھر ایک ماڈل بنانے کے لیے آگے بڑھیں۔

ڈیٹا ایکسپلوریشن

کینوس پہلے سے ہی کچھ عام بنیادی تصورات فراہم کرتا ہے، جیسے کہ گرڈ ویو میں ڈیٹا کی تقسیم تعمیر ٹیب یہ ڈیٹا کا اعلیٰ سطحی جائزہ حاصل کرنے، ڈیٹا کی تقسیم کے طریقہ کو سمجھنے اور ڈیٹا سیٹ کا خلاصہ جائزہ حاصل کرنے کے لیے بہترین ہیں۔

ایک کاروباری تجزیہ کار کے طور پر، آپ کو اس بارے میں اعلیٰ سطحی بصیرت حاصل کرنے کی ضرورت ہو سکتی ہے کہ ڈیٹا کی تقسیم کیسے کی جاتی ہے اور ساتھ ہی یہ کہ تقسیم کس طرح ٹارگٹ کالم (چرن) کے خلاف عکاسی کرتی ہے تاکہ ماڈل بنانے سے پہلے ڈیٹا کے تعلق کو آسانی سے سمجھ سکے۔ اب آپ انتخاب کر سکتے ہیں۔ گرڈ منظر ڈیٹا کی تقسیم کا جائزہ لینے کے لیے۔

مندرجہ ذیل اسکرین شاٹ ڈیٹاسیٹ کی تقسیم کا جائزہ دکھاتا ہے۔

ہم مندرجہ ذیل مشاہدات کر سکتے ہیں:

• کسی بھی عملی استعمال کے لیے فون بہت زیادہ منفرد اقدار کو اپناتا ہے۔ ہم جانتے ہیں کہ فون ایک کسٹمر آئی ڈی ہے اور ہم ایسا ماڈل نہیں بنانا چاہتے جو مخصوص کسٹمرز پر غور کرے، بلکہ اس کے بجائے مزید عمومی معنوں میں سیکھیں کہ کیا چیز منڈلا سکتی ہے۔ آپ اس متغیر کو ہٹا سکتے ہیں۔
• زیادہ تر عددی خصوصیات کو اچھی طرح سے تقسیم کیا گیا ہے، مندرجہ ذیل a گیوسو گھنٹی وکر. ML میں، آپ چاہتے ہیں کہ ڈیٹا کو عام طور پر تقسیم کیا جائے کیونکہ کوئی بھی متغیر جو عام تقسیم کو ظاہر کرتا ہے اس کی زیادہ درستگی کے ساتھ پیش گوئی کی جا سکتی ہے۔

آئیے مزید گہرائی میں جائیں اور کینوس میں دستیاب جدید تصورات کو دیکھیں۔

ڈیٹا کی نمائش

کاروباری تجزیہ کاروں کے طور پر، آپ یہ دیکھنا چاہتے ہیں کہ آیا ڈیٹا کے عناصر کے درمیان تعلقات ہیں، اور وہ کس طرح churn سے متعلق ہیں۔ کینوس کے ساتھ، آپ اپنے ڈیٹا کو دریافت اور تصور کر سکتے ہیں، جس سے آپ کو اپنے ایم ایل ماڈلز بنانے سے پہلے اپنے ڈیٹا میں جدید بصیرت حاصل کرنے میں مدد ملتی ہے۔ آپ سکیٹر پلاٹ، بار چارٹس، اور باکس پلاٹس کا استعمال کرتے ہوئے تصور کر سکتے ہیں، جو آپ کو اپنے ڈیٹا کو سمجھنے اور ماڈل کی درستگی کو متاثر کرنے والی خصوصیات کے درمیان تعلقات کو دریافت کرنے میں مدد کر سکتے ہیں۔

اپنے تصورات بنانا شروع کرنے کے لیے، درج ذیل مراحل کو مکمل کریں:

• پر تعمیر کینوس ایپ کا ٹیب منتخب کریں۔ ڈیٹا ویژولائزر.

کینوس میں ویژولائزیشن کا ایک کلیدی ایکسلریٹر ہے۔ ڈیٹا ویژولائزر. آئیے ایک بہتر نقطہ نظر حاصل کرنے کے لیے نمونے کا سائز تبدیل کریں۔

• آگے قطاروں کی تعداد کا انتخاب کریں۔ بصری نمونہ.
• اپنے مطلوبہ نمونے کا سائز منتخب کرنے کے لیے سلائیڈر کا استعمال کریں۔

• میں سے انتخاب کریں اپ ڈیٹ کریں اپنے نمونے کے سائز میں تبدیلی کی تصدیق کرنے کے لیے۔

آپ اپنے ڈیٹا سیٹ کی بنیاد پر نمونے کا سائز تبدیل کرنا چاہتے ہیں۔ کچھ معاملات میں، آپ کے پاس چند سو سے چند ہزار قطاریں ہو سکتی ہیں جہاں آپ پورا ڈیٹا سیٹ منتخب کر سکتے ہیں۔ کچھ معاملات میں، آپ کے پاس کئی ہزار قطاریں ہو سکتی ہیں، ایسی صورت میں آپ اپنے استعمال کے کیس کی بنیاد پر چند سو یا چند ہزار قطاریں منتخب کر سکتے ہیں۔

ایک سکیٹر پلاٹ ایک ہی افراد کے لیے ماپا جانے والے دو مقداری متغیرات کے درمیان تعلق کو ظاہر کرتا ہے۔ ہمارے معاملے میں، باہمی تعلق کو جانچنے کے لیے اقدار کے درمیان تعلق کو سمجھنا ضروری ہے۔

چونکہ ہمارے پاس کالز، منٹس اور چارج ہیں، اس لیے ہم ان کے درمیان دن، شام اور رات کے لیے ربط کی منصوبہ بندی کریں گے۔

پہلے ، چلو ایک بنائیں بکھرنے کی سازش ڈے چارج بمقابلہ دن کے منٹ کے درمیان۔

ہم مشاہدہ کر سکتے ہیں کہ جیسے جیسے دن کے منٹ بڑھتے ہیں، دن کا چارج بھی بڑھ جاتا ہے۔

شام کی کالوں پر بھی یہی لاگو ہوتا ہے۔

نائٹ کالز کا بھی یہی انداز ہے۔

چونکہ منٹ اور چارج لکیری طور پر بڑھتے نظر آتے ہیں، آپ دیکھ سکتے ہیں کہ ان کا ایک دوسرے کے ساتھ بہت زیادہ تعلق ہے۔ کچھ ML الگورتھم میں ان فیچر کے جوڑوں کو شامل کرنے سے اضافی اسٹوریج لیا جا سکتا ہے اور ٹریننگ کی رفتار کو کم کیا جا سکتا ہے، اور ایک سے زیادہ کالموں میں ایک جیسی معلومات رکھنے سے ماڈل اثرات پر زیادہ زور دے سکتا ہے اور ماڈل میں ناپسندیدہ تعصب کا باعث بن سکتا ہے۔ آئیے انتہائی مربوط جوڑوں میں سے ہر ایک سے ایک خصوصیت کو ہٹاتے ہیں: ڈے منٹ والے جوڑے سے ڈے چارج، نائٹ منٹ والے جوڑے سے نائٹ چارج، اور Intl منٹ والے جوڑے سے Intl چارج۔

ڈیٹا بیلنس اور تغیر

بار چارٹ دونوں متغیرات کے درمیان تعلق کو دریافت کرنے کے لیے x-axis پر متغیر اور y-axis پر عددی متغیر کے درمیان ایک پلاٹ ہے۔ آئیے یہ دیکھنے کے لیے ایک بار چارٹ بنائیں کہ کالز ہمارے ٹارگٹ کالم Churn for True اور False میں کیسے تقسیم کی جاتی ہیں۔ منتخب کریں۔ بار چارٹ اور ڈریگ اینڈ ڈراپ ڈے کالز اور بالترتیب y-axis اور x-axis کی طرف منتشر کریں۔

اب، شام کی کالز بمقابلہ چرن کے لیے ایک ہی بار چارٹ بنائیں۔

اگلا، آئیے نائٹ کالز بمقابلہ چرن کے لیے بار چارٹ بنائیں۔

ایسا لگتا ہے کہ منتھنی کرنے والے اور نہ کرنے والوں کے درمیان رویے میں فرق ہے۔

باکس پلاٹ مفید ہیں کیونکہ وہ کلاس کے لحاظ سے ڈیٹا کے رویے میں فرق ظاہر کرتے ہیں (متھرا ہوا یا نہیں)۔ چونکہ ہم منتھن (ٹارگٹ کالم) کی پیشن گوئی کرنے جا رہے ہیں، آئیے اپنے ہدف والے کالم کے خلاف کچھ خصوصیات کا ایک باکس پلاٹ بناتے ہیں تاکہ ڈیٹا سیٹ پر وضاحتی اعدادوشمار کا اندازہ لگایا جا سکے جیسے کہ اوسط، زیادہ سے زیادہ، کم سے کم، میڈین، اور آؤٹ لیرز۔

میں سے انتخاب کریں باکس پلاٹ اور بالترتیب y-axis اور x-axis پر Day mins اور Churn کو گھسیٹیں اور چھوڑیں۔

آپ ہمارے ٹارگٹ کالم (چرن) کے خلاف دوسرے کالموں کے لیے بھی یہی طریقہ آزما سکتے ہیں۔

آئیے اب کسٹمر سروس کالز کے خلاف ڈے منٹ کا ایک باکس پلاٹ بناتے ہیں تاکہ یہ سمجھ سکیں کہ کس طرح کسٹمر سروس کالز دن کے منٹوں کی قدر میں پھیلتی ہے۔ آپ دیکھ سکتے ہیں کہ کسٹمر سروس کالز کا دن کی منٹ کی قیمت پر کوئی انحصار یا ارتباط نہیں ہوتا ہے۔

ہمارے مشاہدات سے، ہم اس بات کا تعین کر سکتے ہیں کہ ڈیٹا سیٹ کافی متوازن ہے۔ ہم چاہتے ہیں کہ ڈیٹا کو صحیح اور غلط اقدار میں یکساں طور پر تقسیم کیا جائے تاکہ ماڈل ایک قدر کی طرف متعصب نہ ہو۔

تبدیلیوں

اپنے مشاہدات کی بنیاد پر، ہم فون کالم کو چھوڑ دیتے ہیں کیونکہ یہ صرف ایک اکاؤنٹ نمبر ہے اور ڈے چارج، ایو چارج، نائٹ چارج کالم کیونکہ ان میں اوور لیپنگ معلومات ہوتی ہیں جیسے منٹ کے کالم، لیکن ہم تصدیق کرنے کے لیے دوبارہ پیش نظارہ چلا سکتے ہیں۔

ڈیٹا کے تجزیہ اور تبدیلی کے بعد، آئیے ماڈل کا دوبارہ جائزہ لیتے ہیں۔

آپ مشاہدہ کر سکتے ہیں کہ ماڈل کے اندازے کی درستگی 95.6% سے 93.6% میں تبدیل ہو گئی ہے (یہ مختلف ہو سکتا ہے)، تاہم مخصوص کالموں کے لیے کالم کا اثر (خصوصیت کی اہمیت) کافی حد تک بدل گیا ہے، جس سے تربیت کی رفتار میں بہتری کے ساتھ ساتھ کالموں کے اثرات پیشن گوئی جب ہم ماڈل کی تعمیر کے اگلے مراحل پر جاتے ہیں۔ ہمارے ڈیٹاسیٹ کو اضافی تبدیلی کی ضرورت نہیں ہے، لیکن اگر آپ کو ضرورت ہو تو آپ فائدہ اٹھا سکتے ہیں۔ ایم ایل ڈیٹا بدل جاتا ہے۔ اپنے ڈیٹا کو صاف کرنے، تبدیل کرنے اور ماڈل بنانے کے لیے تیار کرنے کے لیے۔

ماڈل بنائیں

اب آپ ایک ماڈل بنانے اور نتائج کا تجزیہ کرنے کے لیے آگے بڑھ سکتے ہیں۔ مزید معلومات کے لیے رجوع کریں۔ Amazon SageMaker Canvas کا استعمال کرتے ہوئے بغیر کوڈ مشین لرننگ کے ساتھ کسٹمر کے منتھن کی پیش گوئی کریں۔.

صاف کرو

تاکہ مستقبل میں نقصان سے بچا جا سکے۔ سیشن چارجز, لاگ آوٹ کینوس کا

نتیجہ

اس پوسٹ میں، ہم نے دکھایا کہ آپ ماڈل بنانے سے پہلے اپنے ڈیٹا کو بہتر طور پر سمجھنے، درست ایم ایل ماڈلز بنانے، اور بغیر کوڈ، بصری، پوائنٹ اور کلک انٹرفیس کا استعمال کرتے ہوئے پیشین گوئیاں بنانے کے لیے EDA کے لیے کینوس ویژولائزیشن کی صلاحیتوں کا استعمال کیسے کر سکتے ہیں۔

---

مصنفین کے بارے میں

راجکمار سمپت کمار AWS میں ایک پرنسپل ٹیکنیکل اکاؤنٹ مینیجر ہے، جو صارفین کو کاروباری ٹیکنالوجی کی صف بندی کے بارے میں رہنمائی فراہم کرتا ہے اور ان کے کلاؤڈ آپریشن ماڈلز اور پراسیسز کو دوبارہ ایجاد کرنے میں معاونت کرتا ہے۔ وہ کلاؤڈ اور مشین لرننگ کے بارے میں پرجوش ہے۔ راج مشین لرننگ کا ماہر بھی ہے اور AWS صارفین کے ساتھ کام کرتا ہے تاکہ وہ اپنے AWS کام کے بوجھ اور فن تعمیر کو ڈیزائن، تعینات اور ان کا نظم کرے۔

راہول نبیرا AWS پروفیشنل سروسز میں ڈیٹا اینالیٹکس کنسلٹنٹ ہے۔ اس کا موجودہ کام صارفین کو AWS پر اپنا ڈیٹا اور مشین لرننگ ورک بوجھ بنانے کے قابل بنانے پر مرکوز ہے۔ اپنے فارغ وقت میں وہ کرکٹ اور والی بال کھیلنا پسند کرتے ہیں۔

رویتجا ییلامانچلی نیویارک میں واقع ایمیزون ویب سروسز کے ساتھ ایک انٹرپرائز سلوشنز آرکیٹیکٹ ہے۔ وہ کلاؤڈ پر انتہائی محفوظ، قابل توسیع، قابل بھروسہ، اور لاگت سے موثر ایپلی کیشنز کو ڈیزائن اور تعینات کرنے کے لیے بڑے مالیاتی خدمات کے کاروباری صارفین کے ساتھ کام کرتا ہے۔ وہ 11+ سال سے زیادہ کا رسک مینجمنٹ، ٹیکنالوجی کنسلٹنگ، ڈیٹا اینالیٹکس، اور مشین لرننگ کا تجربہ لاتا ہے۔ جب وہ گاہکوں کی مدد نہیں کر رہا ہوتا ہے، تو وہ سفر کرنے اور PS5 کھیلنے سے لطف اندوز ہوتا ہے۔