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

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
Albert_Lsk28 分钟前
【2025/08/01】GitHub 今日热门项目
人工智能·开源·github·开源协议
居然JuRan36 分钟前
解锁GraphRAG:大模型背后的高效工作流
人工智能
牛客企业服务38 分钟前
2025校招AI应用:校园招聘的革新与挑战
大数据·人工智能·机器学习·面试·职场和发展·求职招聘·语音识别
shilim38 分钟前
这位老哥提交了一个12万行代码的PR,程序员看了都说LGTM
人工智能·github·代码规范
倔强青铜三38 分钟前
苦练Python第38天:input() 高级处理,安全与异常管理
人工智能·python·面试
计算机科研圈44 分钟前
不靠海量数据,精准喂养大模型!上交Data Whisperer:免训练数据选择法,10%数据逼近全量效果
人工智能·深度学习·机器学习·llm·ai编程
大模型真好玩1 小时前
深入浅出LangChain AI Agent智能体开发教程(六)—两行代码LangChain Agent API快速搭建智能体
人工智能·python·agent
CodeShare1 小时前
自适应集群协作提升大语言模型医疗决策支持能力
人工智能·大语言模型·医疗决策支持
大千AI助手1 小时前
FEVER数据集:事实验证任务的大规模基准与评估框架
人工智能·深度学习·数据集·fever·事实验证·事实抽取·虚假信息