Trong bài viết này họ sẽ khám phá tất tần tật chủ đề Solver trong Excel nhé!

Note: bạn cũng có thể kéo xuống dưới thuộc để tải về tài liệu của bài viết này.

Bạn đang xem: Phân tích dữ liệu nhị phân (Binary Data Analytics)

Solver

Excel tất cả một luật được gọi là solver cung ứng các lệnh và các tính năng cấu hình thiết lập để giải quyết và xử lý các sự việc quyết định.

Tải Solver Add-in

Để cài solver add-in, các bạn hãy thực hiện công việc sau.

1. Trên tab File, click Options.

2. Trong Add-ins, chọn Solver Add-in và click vào nút Go.

*

3. Bình chọn Solver Add-in và click OK.

*

4. Bạn cũng có thể tìm thấy Solver bên trên tab Data, trong đội Analyze.

*

Formulate the mã sản phẩm

Model chúng ta sẽ solve trông như sau vào Excel.

*

1. Để hình thành mô hình linear programming, các bạn hãy trả lời ba câu hỏi sau.

a. Các quyết định đã được tiến hành là gì? Đối với thắc mắc này, bọn họ cần tìm ra con số phải đặt hàng của mỗi sản phẩm trong Excel như (xe đạp, xe gắn thêm máy với ghế con trẻ em).

b. Các hạn chế đối với những ra quyết định này là gì? tinh giảm ở đây là lượng vốn cùng sự tích tụ được thực hiện bởi các thành phầm không được vượt vượt định mức hiện nay có. Ví dụ, từng chiếc xe đạp điện sử dụng 300 đơn vị vốn với 0,5 đơn vị chức năng tích trữ.

c. Thước đo hiệu suất cho những ra quyết định này là gì? Thước đo ở đấy là tổng roi của ba sản phẩm, vị vậy kim chỉ nam là về tối đa hóa cực hiếm này.

2. Để làm cho cho mô hình dễ phát âm hơn, hãy tạo những named ranges.

*

3. Insert bố hàm SUMPRODUCT sau đây.

*

Giải thích: khoản đầu tư được sử dụng tương tự với thành phầm của phạm vi C7: E7 cùng Order
Size. Lượng bộ lưu trữ được sử dụng bằng với sản phẩm của phạm vi C8: E8 và Order
Size. Tổng lợi nhuận bằng thành phầm thu được của Unit
Profit cùng Order
Size.

Trial và Error

Với bí quyết này, bài toán phân tích bất kỳ trial solution nào cũng trở nên trở nên thuận tiện hơn.

Ví dụ: nếu họ đặt mua trăng tròn xe đạp, 40 xe lắp máy với 100 ghế trẻ em em, thì tổng lượng tài nguyên thực hiện không được thừa quá con số tài nguyên hiện tại có. Đối với giải pháp này đang thu được tổng lợi tức đầu tư là 19000.

*

Không độc nhất vô nhị thiết phải sử dụng trial cùng error. Tiếp theo, bọn họ sẽ diễn tả cách sử dụng Excel Solver để nhanh chóng tìm ra các phương án tối ưu.

Solve the Model

Để kiếm tìm ra phương án tối ưu, các bạn hãy thực hiện quá trình sau.

1. Bên trên tab Data, trong team Analyze, click Solver.

*

Nhập các thông số của solver (đọc tiếp). Tác dụng cần phải cân xứng với hình bên dưới đây.

*

Bạn có thể chọn nhập range names hoặc nhấp vào các ô spreadsheet.

2. Nhập Total
Profit đến Objective.

3. Click Max.

4. Nhập Order
Size cho Changing Variable Cells.

5. Click địa chỉ cửa hàng để nhập các ràng buộc sau.

6. Bình chọn "Make Unconstrained Variables Non-Negative" và lựa chọn "Simplex LP".

7. Cuối cùng, click Solve.

Kết quả:

Giải pháp buổi tối ưu:

Kết luận: Đặt 94 xe đạp và 54 xe lắp máy đang là giải pháp tối ưu. Chiến thuật này cho ra lợi nhuận tối đa là 25600 với bài toán sử dụng toàn bộ các mối cung cấp lực tất cả sẵn. Các bạn hãy thử thực hành bằng phương pháp áp dụng vào dữ liệu của người tiêu dùng bạn nào.

Transportation Problem

Sử dụng solver vào Excel để tìm con số đơn vị bắt buộc vận chuyển từ mỗi xí nghiệp sản xuất đến từng khách hàng để bớt thiểu chi phí.

Formulate the Model

Mô hình bọn họ sẽ solve trông như sau vào Excel.

1. Để hình thành quy mô transportation problem, các bạn hãy vấn đáp ba câu hỏi sau:

a. Các quyết định đang được triển khai là gì? Đối với thắc mắc này, chúng ta cần tìm ra bao nhiêu đơn vị chức năng vận chuyển từ mỗi nhà máy đến mỗi quý khách trong Excel.

b. Số đông hạn chế đối với những quyết định này là gì? Mỗi nhà máy đều có một nguồn cung cấp cấp cố định và mỗi người sử dụng cũng đều sở hữu một nhu yếu cố định.

c. Thước đo về sự hiệu suất mang lại những ra quyết định này là gì? Là tổng ngân sách chi tiêu của các lô hàng, vị vậy mục tiêu là sút thiểu con số này.

2. Để làm cho quy mô dễ gọi hơn, các bạn hãy tạo các phạm vi named ranges.

3. Insert các chức năng sau.

Giải thích: Hàm SUM sẽ giám sát và đo lường tổng số hàng được vận tải từ mỗi xí nghiệp (Total Out) cho từng khách mặt hàng (Total In). Tổng ngân sách chi tiêu bằng thành phầm của Unit
Cost với Shipments.

Trial và Error

Với công thức này, câu hỏi phân tích bất kỳ trial solution nào cũng bị dễ dàng hơn.

Ví dụ: Nếu chúng ta vận chuyển:

100 units từ nhà máy sản xuất 1 đến quý khách 1 200 units từ xí nghiệp 2 đến khách hàng 2 100 units từ xí nghiệp 3 đến người tiêu dùng 1 200 units từ xí nghiệp 3 đến người sử dụng 3

Total Out bằng Supply và Total In bằng Demand. Giải pháp này có tổng giá thành là 27800.

Không độc nhất thiết phải thực hiện trial cùng error. Tiếp theo, họ sẽ trình bày cách thực hiện Excel Solver để nhanh chóng tìm ra phương án tối ưu.

Solve the mã sản phẩm

Để tra cứu ra giải pháp tối ưu, các bạn hãy thực hiện các bước sau.

1. Trên tab Data, trong team Analyze, click Solver.

Nhập các thông số kỹ thuật của solver (đọc tiếp). Kết quả sẽ phải cân xứng với hình dưới đây.

Bạn hoàn toàn có thể chọn nhập range names hoặc click vào những ô vào spreadsheet.

2. Nhập Total
Cost mang đến Objective.

3. Click Min.

4. Nhập Shipments mang đến Changing Variable Cells.

5. Click add để nhập buộc ràng sau.

6. Click địa chỉ để nhập buộc ràng sau.

7. Soát sổ "Make Unconstrained Variables Non-Negative" và chọn "Simplex LP".

8. Cuối cùng, click Solve.

Kết quả:

Giải pháp về tối ưu:

Kết luận: buổi tối ưu nhất là vận chuyển:

100 units từ nhà máy 1 đến quý khách 2 100 units từ xí nghiệp sản xuất 2 đến quý khách 2 100 units từ nhà máy sản xuất 2 đến người tiêu dùng 3 200 units từ xí nghiệp 3 đến khách hàng 1 100 units từ xí nghiệp sản xuất 3 đến người tiêu dùng 3

Giải pháp này tốn chi phí tối thiểu là 26000 với tất cả các ràng buộc những được thỏa mãn.

Assignment Problem

Sử dụng solver trong Excel, nhằm tìm ra sự phân công dành riêng cho mọi người trong các nhiệm vụ nhằm mục đích giảm thiểu chi phí.

Formulate the mã sản phẩm

Mô hình họ sẽ solve trông như sau vào Excel.

1. Để hình thành quy mô assignment problem, các bạn hãy vấn đáp ba câu hỏi sau:

a. Những quyết định vẫn được triển khai là gì? Đối với thắc mắc này, họ cần kiếm tìm ra fan để giao cho trọng trách trong Excel (Có = 1, không = 0). Ví dụ: nếu họ gán tín đồ 1 cho trọng trách 1, ô C10 sẽ bằng 1. Nếu không, ô C10 sẽ bởi 0.

b. Những ràng buộc so với những đưa ra quyết định này là gì? mỗi người chỉ được thiết kế một trọng trách (Supply=1). Mỗi nhiệm vụ chỉ cần một fan (Demand=1).

c. Thước đo về sự việc hiệu suất đến những ra quyết định này là gì? Thước đo là tổng chi tiêu của nhiệm vụ, do vậy phương châm là bớt thiểu số lượng này.

2. Để làm cho quy mô dễ gọi hơn, các bạn hãy tạo các phạm vi named ranges.

3. Insert các tính năng sau.

Giải thích: những hàm SUM sẽ giám sát và đo lường số lượng nhiệm vụ được giao đến một người và con số người được giao cho 1 nhiệm vụ. Tổng chi tiêu bằng hiệu quả của Cost cùng Assignment.

Trial and Error

Với cách làm này, câu hỏi phân tích bất kỳ trial solution nào cũng trở nên dễ dàng hơn.

Ví dụ: Nếu chúng ta chỉ định:

Người 1 cho nhiệm vụ 1 fan 2 cho nhiệm vụ 2 bạn 3 cho trọng trách 3

Nhiệm vụ được giao bởi Supply và fan được giao bằng Demand. Phương án này gồm tổng giá thành là 147.

Không độc nhất vô nhị thiết phải áp dụng trial và error. Tiếp theo, bọn họ sẽ trình bày cách áp dụng Excel Solver để hối hả tìm ra phương án tối ưu.

Solve the mã sản phẩm

Để tìm ra phương án tối ưu, các bạn hãy thực hiện các bước sau.

1. Bên trên tab Data, trong team Analyze, click Solver.

Nhập các thông số của solver (đọc tiếp). Công dụng phải phù hợp với hình bên dưới đây.

Bạn rất có thể chọn nhập range names hoặc click vào các ô trong spreadsheet.

2. Nhập Total
Cost mang đến Objective.

3. Click Min.

4. Nhập Assignment mang đến Changing Variable Cells.

5. Click showroom để nhập ràng buộc sau.

Lưu ý: những biến nhị phân là 0 hoặc 1.

6. Click showroom để nhập ràng buộc sau.

7. Click địa chỉ cửa hàng để nhập ràng buộc sau.

8. Kiểm soát "Make Unconstrained Variables Non-Negative" và chọn "Simplex LP".

9. Cuối cùng, click Solve.

Kết quả:

Giải pháp tối ưu:

Kết luận: tối ưu tốt nhất là giao

Người 1 làm trọng trách 2 người 2 cho trọng trách 3 bạn 3 cho trọng trách 1

Giải pháp này tốn ngân sách tối thiểu là 129 tương xứng với tất cả các ràng buộc.

Shortest Path Problem

Sử dụng solver vào Excel để tìm ra các phím tắt từ ​​nút S cho nút T. Những Points trong mạng được hotline là những nút (S, A, B, C, D, E với T). Các Lines vào mạng được hotline là cung (SA, SB, SC, AC, ...).

Formulate the mã sản phẩm

Mô hình họ sẽ giải quyết và xử lý trông như sau trong Excel.

1. Để hình thành mô hình shortest path problem, các bạn hãy vấn đáp ba câu hỏi sau:

a. Những quyết định đã được triển khai là gì? Để trả lời cho câu hỏi này, bọn họ cần tìm kiếm xem một cung tất cả nằm trê tuyến phố ngắn nhất trong Excel hay không (Có = 1, không = 0). Ví dụ: nếu như SB là một trong những phần của lối đi ngắn nhất, ô F5 bởi 1. Ví như không, ô F5 bằng 0.

b. Phần nhiều ràng buộc so với những quyết định này là gì? Net Flow (Flow Out - Flow In) của từng nút phải bằng Supply/Demand. Nút S chỉ nên có một cung đi ra (Net Flow = 1). Nút T nên làm có một cung đang chạy (Net Flow = -1). Tất cả các nút không giống phải bao gồm một cung đi ra với một cung đi vào nếu nút nằm trê tuyến phố ngắn tốt nhất (Net Flow = 0) hoặc không tồn tại luồng nào (Net Flow = 0).

c. Thước đo về hiệu suất cho những ra quyết định này là gì? Số đo tổng thể và toàn diện của công suất là tổng khoảng cách của đường đi ngắn nhất, vì vậy mục tiêu là bớt thiểu quantity này.

2. Để có tác dụng cho mô hình dễ hiểu hơn, các bạn hãy tạo các phạm vi named ranges.

3. Insert các tính năng sau.

Giải thích: những hàm SUMIF tính Net Flow của từng node. Đối với nút S, hàm SUMIF tính tổng những giá trị trong Go column với 1 "S" vào From column. Vì chưng đó, chỉ ô F4, F5 hoặc F6 hoàn toàn có thể là 1 (one outgoing arc). Đối cùng với nút T, hàm SUMIF tính tổng các giá trị vào Go column với 1 "T" vào From column. Vì chưng đó, chỉ ô F15, F18 hoặc F21 mới có thể là 1 (one ingoing arc). Đối với toàn bộ các nút khác, Excel sẽ tìm vào From cùng To column. Tổng khoảng cách bằng hiệu quả của Distance và Go.

Trial and Error

Với cách làm này, vấn đề phân tích bất kỳ trial solution nào cũng bị dễ dàng hơn.

1. Ví dụ, đường truyền SBET bao gồm tổng khoảng cách là 16.

Không độc nhất thiết phải áp dụng trial & error. Tiếp theo, bọn họ sẽ biểu đạt cách sử dụng Excel Solver để nhanh lẹ tìm ra phương án tối ưu.

Solve the model

Để search ra giải pháp tối ưu, bạn hãy thực hiện các bước sau.

1. Bên trên tab Data, trong team Analyze, click Solver.

Nhập các thông số kỹ thuật của solver (đọc tiếp). Công dụng phải phù hợp với hình bên dưới đây.

Bạn có thể chọn nhập range names hoặc click vào các ô trong spreadsheet.

2. Nhập Total
Distance mang lại Objective.

3. Click Min.

4. Nhập Go đến Changing Variable Cells.

5. Click địa chỉ cửa hàng để nhập buộc ràng sau.

6. đánh giá "Make Unconstrained Variables Non-Negative" và chọn "Simplex LP".

7. Cuối cùng, click Solve.

Kết quả:

Giải pháp buổi tối ưu:

Kết luận: SADCT là lối đi ngắn nhất tất cả tổng quãng đường là 11.

Maximum Flow Problem

Sử dụng solver vào Excel để tìm ra những phím tắt tự ​​nút S mang đến nút T. Các Points vào mạng được hotline là những nút (S, A, B, C, D, E với T). Những Lines trong mạng được điện thoại tư vấn là cung (SA, SB, SC, AC, ...).

Formulate the Model

Mô hình chúng ta sẽ giải quyết trông như sau vào Excel.

1. Để hình thành quy mô maximum flow problem, các bạn hãy trả lời ba câu hỏi sau:

a. Các quyết định sẽ được tiến hành là gì? Đối với câu hỏi này, chúng ta cần tìm kiếm flow trên mỗi cung. Ví dụ, giả dụ flow bên trên SB là 2, ô D5 sẽ bởi 2.

b. Phần đa ràng buộc so với những ra quyết định này là gì? Net Flow (Flow Out - Flow In) của nút A, B, C, D với E phải bởi 0. Nói bí quyết khác, Flow Out = Flow In. Bên cạnh ra, mỗi arc tất cả một công suất cố định. Flow trên mỗi arc nên bé dại hơn công suất này.

c. Thước đo về hiệu suất cho những ra quyết định này là gì? Thước đo của hiệu suất là flow tối đa, vì vậy mục tiêu là về tối đa hóa lượng này. Flow buổi tối đa bởi Flow Out nút S.

2. Để có tác dụng cho mô hình dễ hiểu hơn, các bạn hãy tạo các phạm vi named ranges.

3. Insert các công dụng sau.

Giải thích: những hàm SUMIF tính Net Flow của mỗi node. Đối cùng với nút A, hàm SUMIF trước tiên tính tổng các giá trị vào Flow column với 1 "A" trong From column (Flow Out). Hàm SUMIF thiết bị hai tính tổng những giá trị vào Flow column với cùng 1 "A" trong cột to column (Flow In). Maximum Flow bằng giá trị trong ô I4, là flow out khỏi nút S. Vị nút A, B, C, D với E tất cả Net Flow bằng 0 nên Flow Out từ bỏ nút S sẽ bằng Flow In của nút T.

Trial và Error

Với phương pháp này, bài toán phân tích ngẫu nhiên trial solution nào cũng trở thành dễ dàng hơn.

1. Ví dụ: băng thông SADT với flow là 2. Đường dẫn SCT cùng với flow là 4. Đường dẫn SBET cùng với flow là 2. Những đường dẫn này cho tổng flow là 8.

Không duy nhất thiết phải áp dụng trial và error. Tiếp theo, họ sẽ bộc lộ cách áp dụng Excel Solver để mau lẹ tìm ra giải pháp tối ưu.

Solve the Model

Để kiếm tìm ra phương án tối ưu, bạn hãy thực hiện công việc sau.

1. Trên tab Data, trong team Analyze, click Solver.

Nhập các thông số của solver (đọc tiếp). Tác dụng phải cân xứng với hình dưới đây.

Bạn hoàn toàn có thể chọn nhập range names hoặc click vào những ô vào spreadsheet.

2. Nhập Maximum
Flow đến Objective.

3. Click Max.

4. Nhập Flow mang lại Changing Variable Cells.

5. Click địa chỉ cửa hàng để nhập ràng buộc sau.

6. Click showroom để nhập ràng buộc sau.

7. Chất vấn "Make Unconstrained Variables Non-Negative" và lựa chọn "Simplex LP".

8. Cuối cùng, click Solve.

Kết quả:

Giải pháp buổi tối ưu:

Kết luận:

Đường đi SADT cùng với flow 2. Đường đi SCT cùng với flow 4. Đường dẫn SBET với flow 2. Đường dẫn SCET cùng với flow 2. Đường đi SACET cùng với flow 1. Đường dẫn SACDT cùng với flow 1.

Các băng thông này mang đến flow buổi tối đa là 12.

Capital Investment

Sử dụng solver trong Excel để tìm kiếm sự kết hợp giữa những khoản đầu tư vốn buổi tối đa hóa total profit.

Formulate the mã sản phẩm

Mô hình họ sẽ solve trông như sau trong Excel.

1. Để hình thành mô hình binary integer programming (BIP), chúng ta hãy trả lời ba thắc mắc sau:

a. Những quyết định đang được thực hiện là gì? Đối với thắc mắc này, bọn họ cần kiếm tìm ra phần đông khoản đầu tư chi tiêu vốn như thế nào cần tiến hành trong Excel (Có = 1, ko = 0).

b. Phần nhiều ràng buộc đối với những quyết định này là gì?

1. Số vốn sử dụng của các khoản chi tiêu không được vượt quá khoản vốn hạn chế hiện có (50). Ví dụ, đầu tư 1 áp dụng 12 units vốn. 2. Chỉ tất cả thể đầu tư chi tiêu 1 hoặc chi tiêu 2. 3. Chỉ gồm thể chi tiêu 3 hoặc đầu tư chi tiêu 4. 4. Đầu tứ 6 và đầu tư 7 chỉ hoàn toàn có thể được tiến hành nếu đầu tư chi tiêu 5 được thực hiện.

c. Thước đo về công suất cho những đưa ra quyết định này là gì? Thước đo là total profit của các khoản chi tiêu vốn được thực hiện, do vậy mục tiêu là về tối đa hóa con số này.

3. Insert năm hàm SUMPRODUCT sau đây.

Giải thích: ô K7 (số vốn được sử dụng) bằng tổng sản phẩm (sumproduct) của phạm vi C7: I7 và Yes
No, ô K8 bởi tổng sản phẩm của phạm vi C8: I8 cùng Yes
No,... Tổng lợi nhuận (Total Profit) bằng tác dụng của lợi nhuận và Yes
No.

Trial and Error

Với cách làm này, vấn đề phân tích ngẫu nhiên trial solution nào cũng trở thành dễ dàng hơn.

1. Ví dụ, nếu chúng ta thực hiện đầu tư chi tiêu 1 cùng 2 vậy ràng buộc vật dụng hai bị vi phạm.

2. Ví dụ, nếu họ thực hiện chi tiêu 6 với 7, nhưng mà không thực hiện chi tiêu 5 thì ràng buộc trang bị tư sẽ ảnh hưởng vi phạm.

3. Mặc dù nhiên, chúng ta nên đầu tư 1, 5 và 6 để tất cả các ràng buộc đầy đủ được thỏa mãn.

Không độc nhất vô nhị thiết phải áp dụng trial & error. Tiếp theo, bọn họ sẽ diễn đạt cách sử dụng Excel Solver để lập cập tìm ra phương án tối ưu.

Solve the Model

Để tìm ra phương án tối ưu, các bạn hãy thực hiện công việc sau.

1. Bên trên tab Data, trong đội Analyze, click Solver.

Nhập các thông số kỹ thuật của solver (đọc tiếp). Kết quả phải tương xứng với hình dưới đây.

2. Nhập Total
Profit đến Objective.

3. Click Max.

4. Nhập Yes
No đến Changing Variable Cells.

5. Click địa chỉ để nhập ràng buộc sau.

6. Click add để nhập ràng buộc sau.

Lưu ý: các biến nhị phân là 0 hoặc 1.

7. Bình chọn "Make Unconstrained Variables Non-Negative" và lựa chọn "Simplex LP".

8. Cuối cùng, click Solve.

Kết quả:

Giải pháp tối ưu:

Kết luận: đầu tư chi tiêu 2, 4, 5 với 7 sẽ là buổi tối ưu vì phương án này cho lợi nhuận buổi tối đa là 146 với toàn bộ các ràng buộc đều được thỏa mãn.

Sensitivity Analysis

Sensitivity analysis (phương pháp so với độ nhạy) vẫn cung cấp cho chính mình có cái nhìn tổng quát hơn về các phương án tối ưu khi bạn đổi khác các hệ số của mô hình. Sau khi solver tìm thấy giải pháp, chúng ta cũng có thể tạo báo cáo sensitivity.

1. Trước khi bạn click OK, nên chọn lựa Sensitivity từ bỏ phần Reports.

Dưới đây, bạn có thể tìm thấy giải pháp tối ưu và báo cáo sensitivity.

Tối ưu là bạn đặt 94 xe đạp điện và 54 xe đính máy. Với chiến thuật này các bạn sẽ đạt được lợi nhuận buổi tối đa là 25600 bằng việc sử dụng toàn bộ các nguồn lực có sẵn (93000 units vốn với 101 units lưu lại trữ). Chúng ta có thể tìm thấy những con số này trong Final Value column.

Reduced Cost

Giảm giá thành sẽ cho chúng ta biết objective coefficients (unit profits) hoàn toàn có thể tăng hoặc giảm bao nhiêu trước khi chiến thuật tối ưu cầm cố đổi. Nếu bọn họ tăng unit profit của Ghế trẻ em lên 20 chiếc vậy thì giải pháp tối ưu sẽ có sự thế đổi.

1. Với unit profit là 69, đặt 94 xe đạp và 54 xe thêm máy vẫn được coi là tối ưu. Dưới đây bạn có thể tìm thấy phương án tối ưu.

2. Với unit profit là 71, phương án tối ưu sẽ cụ đổi.

Kết luận: Ghế trẻ nhỏ chỉ tất cả lãi nếu khách hàng bán được ít nhất 70 chiếc.

Shadow Price

Shadow prices vẫn cho bọn họ biết giải pháp tối ưu có thể tăng hoặc giảm từng nào nếu bọn chúng ta biến đổi các giá trị bên đề xuất (tài nguyên có sẵn) bởi một unit.

1. Cùng với 101 units of storage bao gồm sẵn, tổng lợi tức đầu tư là 25600. Bên dưới đây, chúng ta cũng có thể tìm thấy các giải pháp tối ưu.

2. Cùng với 102 units of storage có sẵn, tổng lợi nhuận là 25700 (+100).

Lưu ý: Shadow price là 100 mang lại tài nguyên này, phía trên được xem là đã đầy đủ kỳ vọng với bọn họ rồi. Shadow price này chỉ có mức giá trị trong khoảng 101 - 23,5 và 101 + 54 (xem báo cáo sensitivity).

System of Linear Equations

Ví dụ này cho mình thấy biện pháp giải hệ phương trình tuyến đường tính trong Excel. Ví dụ, họ có hệ phương trình tuyến tính sau:

Trong ký kết hiệu ma trận, rất có thể được viết là AX = B

Nếu vĩnh cửu A-1 (nghịch hòn đảo của A), bạn cũng có thể nhân cả nhì vế cùng với A-1 để thu được X = A-1B. Để giải hệ phương trình tuyến tính này vào Excel, các bạn hãy thực hiện quá trình sau.

1. áp dụng hàm MINVERSE để trả về ma trận nghịch hòn đảo của A. Đầu tiên, bạn nên chọn lựa phạm vi B6: D8. Tiếp theo, bạn hãy chèn hàm MINVERSE được hiển thị bên dưới và kết thúc bằng cách nhấn CTRL + SHIFT + ENTER.

Lưu ý: formula bar đã cho thấy rằng những ô chứa phương pháp array. Vày đó, các bạn không thể xóa một hiệu quả duy nhất, mà để xóa kết quả, bạn nên lựa chọn phạm vi B6: D8 với nhấn Delete.

2. áp dụng hàm MMULT nhằm trả về tích của ma trận A-1 cùng B. Đầu tiên, bạn nên chọn phạm vi G6: G8. Tiếp theo, chúng ta chèn hàm MMULT được hiển thị mặt dưới. Kết thúc bằng cách nhấn CTRL + SHIFT + ENTER.

3. Đặt toàn bộ lại với nhau. Đầu tiên, bạn hãy chọn phạm vi G6: G8. Tiếp theo, bạn chèn công thức hiển thị mặt dưới. Kết thúc bằng phương pháp nhấn CTRL + SHIFT + ENTER.

4. Nếu như khách hàng có Excel 365 hoặc Excel 2021, bạn chỉ cần chọn ô G6, nhập công thức giống như như trên với nhấn Enter, không bắt buộc dấu ngoặc nhọn.

Tài liệu của series

Để sẵn sàng cho việc thực hành, bạn tải tài liệu của series bằng phương pháp điền vào form bên dưới nhé!

1 Đặt vấn đề

Trong năm 2017, sự thành lập của package keras đã cho phép người cần sử dụng R hoàn toàn có thể thực hành được một phương thức mô hình thuộc loại hiện đại nhất, đó là mạng thần kinh nhân tạo sâu (Deep neural network tốt Deep learning) với Tensof
Flow (trước đây các bạn phải cần sử dụng Python). Package keras có thể chấp nhận được R kết nối với Tensor
Flow back-end của Python để dựng mô hình Deep ANN với nhiều ứng dụng có ích như hồi quy, xếp nhiều loại nhị phân hay đa giá trị, computer vision (convolutional Neural network), đoán trước chuỗi thời gian, quy mô tự sinh mẫu, vv

Ở bài xích trước, Nhi đã trình bày 1 áp dụng Hồi quy điển hình với keras. Trong bài này, Nhi vẫn tiếp tục trình làng một mô hình phân nhiều loại với tác dụng nhị phân (Binary Classification).Trong bài, Nhi sẽ triển khai tuần tự từng bước của một tiến trình mẫu mực cho nghiên cứu ứng dụng Machine learning. Lúc thực sự hợp tác vào làm nghiên cứu và phân tích bạn cũng sẽ phải trải qua những bước này, bao gồm:

Biện luận tuyển lựa Algorithm

Thăm dò dữ liệu

Hoán chuyển, sơ chế dữ liệu

Huấn luyện mô hình

Kiểm định mô hình

Biện luận, giảng nghĩa mô hình

Một mục tiêu khác của bài xích này, chính là giúp cho chúng ta làm quen với một phong cách viết R code cũng như quy trình đối chiếu dữ liệu trọn vẹn mới lạ bằng phương pháp ứng dụng rất nhiều package mới nhất của 2 người sáng tác Hadley Wickham cùng Max Kuhn, như recipes (sơ chế dữ liệu), rsample (tái lựa chọn mẫu), dplyr (thao tác tài liệu và cầm tắt), và các toán tử pipe trong tidyverse.

Trong bài xích này, Nhi sử dụng bộ số liệu về bệnh Suy gần kề của tác giả J Ross Quinlan với viện Garvan (Úc) (1987). Dữ liệu này tất cả hơn 3700 trường hợp với mục tiêu phân tích (giả định) là desgin một mô hình chẩn đoán bệnh dịch Suy gần kề (Hypothyroid) nhờ vào thông tin gồm 6 biến số liên tiếp : Tuổi và giá trị các biomarker như hormone T3, TT4, T4U và FTI, cùng 12 phát triển thành nhị phân bao gồm Giới tính, điều trị thyroxine, gồm thai, phẫu thuật tuyến giáp, suy tuyến não thùy (hypopituitary ), triệu hội chứng bứu (goitre,tumor),tâm lý (psych), điều trị I131, lithium. Phân loại bệnh dịch nhược sát trong tài liệu nguyên thủy gồm đến 5 nhãn kết quả là Negative, hypothyroid, primary hypothyroid, compensated hypothyroid với secondary hypothyroid. Để dễ dàng hóa, ta áp dụng phiên phiên bản giản lược của quan Sun trên thư viện Open
ML trong những số ấy biến kết quả được giản lược chỉ còn 2 nhãn (nhị phân) là Positive cùng Negative.


2 bước 1: dò xét dữ liệu

library(tidyverse)## -- Attaching packages ---------------------------------------------------------------------- tidyverse 1.2.1 --## v ggplot2 2.2.1 v purrr 0.2.4## v tibble 1.4.2 v dplyr 0.7.5## v tidyr 0.8.1 v stringr 1.3.1## v readr 1.1.1 v forcats 0.3.0## -- Conflicts ------------------------------------------------------------------------- tidyverse_conflicts() --## x dplyr::filter() masks stats::filter()## x dplyr::lag() masks stats::lag()df=read.csv("https://www.openml.org/data/get_csv/53534/hypothyroid.csv",na.strings = "?")df=df%>%dplyr::select(age,sex,pregnant, on.thyroxine,query.on.thyroxine, on.antithyroid.medication, thyroid.surgery, I131.treatment,sick, lithium,goitre,tumor,hypopituitary,psych, TSH,T3,TT4,T4U,FTI,binary

table(df$CLASS)## ## N p. ## 216 2426Tổng cộng tất cả 2426 trường hòa hợp Positive cùng 216 trường phù hợp Negative. Như vậy có sự bất xứng về nhãn kết quả, lưu ý rằng trong quá trình tái chọn mẫu và phân chia, ta phải cố gắng bảo toàn tỉ lệ thân 2 nhãn p. Và N.

Xem thêm: Máy Tính Bảng Google Pixel Slate : Đối Thủ Đáng Gờm Của Ipad

Điều thứ nhất Nhi đã làm, đó là giảm ngẫu nhiên tài liệu gốc thành 2 phần đều nhau (do ta có quá nhiều dữ liệu, cần tỉ lệ 50/50 là lý tưởng). Rất có thể làm việc này chỉ bởi 3 cái code với hàm initial_split của gói rsample.

Với tùy chỉnh thiết lập strata cho thay đổi CLASS, ta hoàn toàn có thể bảo toàn tỉ lệ giữa 2 nhãn P/N hệt nhau cho 2 tập trainset với testset là 1213/108

dat=df# Prior Spliting library(rsample)## Loading required package: broom## ## Attaching package: "rsample"## The following object is masked from "package:tidyr":## ## fillset.seed(2405)data_split ## ## N p ## 108 1213table(testset$CLASS)## ## N phường ## 108 1213Ta sẽ không còn nhìn vào tập testset, vì đấy là dữ liệu dùng để làm kiểm định tế bào hình, mà lại ta có thể khảo giáp tập trainset. Nhi sẽ dùng cách thức trực quan tiền để review phân bố của các biến và so sánh giữa 2 phân đội P/N

# First Explorationtrainset%>%gather(AGE,TSH,T3,TT4,T4U,FTI,key="Feature",value="Score")%>% ggplot(aes(x=Score,fill=CLASS))+ geom_density(alpha=0.5,col="black")+ theme_bw()+ facet_wrap(~Feature,scales="free",ncol=3)+ scale_fill_manual(values=c("blue","red"))

-->