数据分析如何正确使用ChatGPT进行辅助?

目录

1.数据介绍

2.特征工程

3.EDA分析

4.数据相关性分析

5.分析总结


**一篇优秀的学术论文,肯定有新颖、适当的论证视角,**选择恰当的研究方法,搭建逻辑严密、平衡的论证框架,把有力的数据分析紧密结合起来,这样一篇论文将具有逻辑严密的论证过程。小编在之前的AI工具论文写作流程中,介绍了大量论文文字工作, 今天小编使用Kaggle数据,给大家分享一下学术论文中数据分析相关内容使用Kimi的效果。

1.数据介绍

首先介绍一下数据集,数据集我在Kaggle上下载了一个房价预测的数据集。具体使用到的有两个文件。

-------------------------------------------------------

其中**data_description.txt**文件主要是对数据集中每一列的描述。

-------------------------------------------------------

**train.csv**就是今天案例所用到的数据集了。

2.特征工程

我们先让Kimi对数据做一下特征工程。

**特征工程(Feature Engineering)**是数据预处理和机器学习领域中的一个重要步骤。它涉及到从原始数据中选择、修改和创建新的特征(即数据的属性或变量),以便更好地适应机器学习算法的需求,并最终提高模型的性能。特征工程的主要目的是使原始数据集更适合用于建模和分析。

提示词:

根据data_description.txt对数据集的描述

对Train.csv进行特征工程


ChatGPT反馈:

3.EDA分析

让ChatGPT对数据做Exploratory data analysis (探索性数据分析)。

**探索性数据分析(Exploratory Data Analysis,简称EDA)**是数据分析的一种方法论,它侧重于使用各种技术来大致理解数据集的主要特征。这个过程通常是数据分析项目的初步步骤,旨在通过摘要和可视化手段来发现数据的模式、异常、关键变量和潜在的关系。

提示词:

根据特征工程后的数据,对数据集进行Exploratory data analysis (探索性数据分析)


ChatGPT反馈:

4.数据相关性分析

最后我们让ChatGPT对数据集中对房价影响最大的15种数据进行相关性分析。

提示词:

提取对房屋销售价格影响最高的15个特征做相关性分析。


ChatGPT反馈:

5.分析总结

最后我们让ChatGPT对分析过程做一个总结。ChatGPT做数据分析也相当简单,而且生成的图表也可直接用于论文辅佐论点的论证!

提示词:

站在一个**数据分析师**的角度 对上述分析过程做一个总结。


ChatGPT反馈:

相关推荐
吴佳浩4 小时前
我把 HAMi 摆回一台双卡机器上跑了一遍:GPU 编排的性能账,到底记在谁头上
人工智能·gpu
forest_097 小时前
《AI 编程 Harness 实战手册》04|审批这道门:点了一百次“允许”,还剩多少作用?
人工智能·算法·prompt·agi
LV技术派8 小时前
肝了一周,我把 Super Agent 的架构融入到了我的 AI Native 工作台中
aigc·ai编程
火山引擎开发者社区8 小时前
当 RPA 遇上 Agent:MUA 混合执行 Workflow 深度拆解
人工智能
严肃小白兔9 小时前
第 10/24 期:深度神经网络的自动求导机制与梯度验证
人工智能·神经网络·dnn
火山引擎开发者社区9 小时前
定档12.16-12.18!FORCE原动力大会上海见!
人工智能
努力的MM1239 小时前
CAIE 二级和阿里云大模型 ACP 怎么选?企业 AI 工程与云平台开发能力对比
人工智能
老金带你玩AI9 小时前
Kling Image 4.0来了!8K和组图直出,电商人的提效神器?
人工智能
孟健10 小时前
用 unslop 拯救 AI 生成网页的塑料感,7 分钟重构落地实测
前端·人工智能·ai编程