type
status
slug
summary
date
tags
category
password
Text
AI summary
AI custom autofill
Multi-select
Status
URL
hashtag
勘误
标签
标题
类型
贴文
🪄
icon
本文介绍了 ChatGPT 如何帮助您自动化机器学习。它提供了回归、分类和聚类的实际示例，以及如何使用 ChatGPT 的说明。作者介绍了 ChatGPT 和机器学习的基本概念，并提供了线性回归、岭回归、AdaBoost 分类器、梯度提升分类器和聚类算法的示例。此外，作者还解释了准确率不是分类好评价指标的原因，并提出使用精度和召回率作为替代指标。最后，作者提供了一个关于如何使用 ChatGPT 对标题列进行 LDA 分析的示例。本文提供了有用的信息和示例，可以帮助您更好地了解 ChatGPT 并开始使用它。
回归、分类、聚类或自然语言处理。ChatGPT可帮助您使用Python自动化这些算法。
介绍
机器学习是一种迭代过程，它帮助开发人员和数据科学家编写算法以进行预测，从而使企业或个人能够相应地做出决策。
ChatGPT，正如您们中的许多人已经知道的那样，是一款聊天机器人，它将帮助人类避免进行谷歌搜索并找到他们的问题的答案。此外，由于其高昂的云开销（即Microsoft Azure），未来可能会有一个价格计划的传言。
足够的闲聊。让我们看看ChatGPT的不同用途，这将帮助您进行机器学习。
我将本文的主题分成不同的类别，并要求每个类别提供一个示例。
回归任务
假设您有一个回归任务，并想尝试5种不同的算法并同时进行评估。挑战，对吧？
让我们问问ChatGPT。
但在开始之前，让我警告您！
试着小心地问ChatGPT要什么，而且如果您不想再进行更多测试，请尝试要求ChatGPT使用内置数据集编写此代码。
现在让我们看看。
问题
（注：我添加了不使用波士顿数据集的内容，因为在使用波士顿数据集后，我得到了以下错误。）
“嗨，Chat，
我希望您编写代码，该代码将使用sci-kit-learn在内置数据集上应用5种不同的回归算法，而不使用波士顿数据集。”
好的，让我们看看ChatGPT的答案。
ChatGPT
当然，这里是一个示例，说明如何在不使用波士顿数据集的情况下使用sci-kit-learn应用5种不同的回归算法：
这段代码将使用
make_regression函数生成一个合成数据集，使用train_test_split函数将此数据集拆分为训练集和测试集，然后将训练和评估5种不同的回归模型：线性回归，岭回归，Lasso回归，弹性网络回归和决策树回归。使用的评估度量是平均绝对误差和平均平方误差。您可以根据您的数据和用例调整不同模型和评估函数的参数。
测试
现在，为了检查该代码，我在我的系统中运行了此代码；这是输出：
结果非常好，代码有效。
分类
现在我们想在分类中实现相同的内容。但这次，我希望它使用真实的内置数据集，因为当我向ChatGPT提问时，它希望将这些算法应用于合成数据集。
让我们继续。
问题
我希望您从中获得相同的内容，但这次使用6种不同算法进行分类，并使用内置的真实数据集。
ChatGPT
这里，您可以看到Chatgpt停止了。当输出很长时，它会停止。我们如何继续呢？
只需告诉它继续
现在让我们检查代码。
控制
这是完整的代码。
实际上，准确率不是分类的好评价指标。
为什么？
搜索准确率悖论。
现在让我们要求ChatGPT使用精度和召回率作为评估指标。
聚类
好的，让我们继续聚类。
我们真的需要通过各种机器学习算法。
让我们问问ChatGPT。
问题
我希望您从中获得相同的内容，但这次使用3种不同的算法进行聚类，并使用内置的真实数据集。
在这个阶段，ChatGPT已经知道您需要什么。
这是ChatGPT的答案。
ChatGPT
当然，这里是一个示例，说明如何在内置的真实数据集上使用sci-kit-learn应用3种不同的聚类算法：
现在让我们测试ChatGPT。
这真的很令人印象深刻。
自然语言处理
最近，我一直在进行个人项目，其中包括从媒体中获取数据，然后进行分析。
我从媒体中爬取了6k多篇文章。 我将数据上传到了Kaggle，这里。
进行分析后，我想对标题列进行LDA分析，因此我向ChatGPT提问。
问题
嘿，我从TowardsDataScience档案中爬取了超过6k篇文章。 我希望对df2 ['title]列进行LDA分析。
ChatGPT
这是如何对从Towards Data Science档案中爬取的文本数据集的标题列执行潜在狄利克雷分配（LDA）分析的示例：
测试
在此处，您可以看到不同的主题标签集，您可以从Towards Data Science 2022标题中进行分析。
结论
在本文中，我将解释如何在机器学习中使用ChatGPT。 它确实有助于开发人员自动化机器学习任务。
感谢您阅读我的文章。
测试
这真的很令人印象深刻。
自然语言处理
最近，我一直在进行个人项目，其中包括从媒体中获取数据，然后进行分析。
我从媒体中爬取了6k多篇文章。 我将数据上传到了Kaggle，这里（https://www.kaggle.com/datasets/misterg/towards-data-science-2022-articles）。
进行分析后，我想对标题列进行LDA分析，因此我向ChatGPT提问。
问题
嘿，我从TowardsDataScience档案中爬取了超过6k篇文章。 我希望对df2 ['title]列进行LDA分析。
ChatGPT
这是如何对从Towards Data Science档案中爬取的文本数据集的标题列执行潜在狄利克雷分配（LDA）分析的示例：
测试
在此处，您可以看到不同的主题标签集，您可以从Towards Data Science 2022标题中进行分析。
结论
在本文中，我将解释如何在机器学习中使用ChatGPT。 它确实有助于开发人员自动化机器学习任务。
感谢您阅读我的文章。
作者：Gencay I
- 作者:Inevitable AI
- 链接:https://www.Inevitableai.ltd/article/share16
- 声明:本文采用 CC BY-NC-SA 4.0 许可协议，转载请注明出处。