哈喽，大家好。

(相关资料图)

今天给大家分享下GPT-4 code interpreter自动做数据分析、科研绘图、做机器学习算法。

图片

本文用的是人工智能入门的一个经典案例——Kaggle房价预测，来看看完全交给code interpreter能做到什么程度。

数据集直接从Kaggle网站下载就可以了

图片

下载下来是个压缩文件，我们可以一股脑丢给code interpreter，让他来解压，并且解读里面的文件

图片

他能正确解读每个文件的作用，尤其像data_description.txt这种文件里面有几十个字段，又都是英文，如果一个个看很浪费时间，但用code interpreter就非常方便，它可以说明每个字段的含义，并且能正确解析出每个字段有多少取值，以及每个取值的含义。

图片

阅读效率太高了！

然后告诉code interpreter这是一个房价预测的任务，让他给出步骤。

图片

跟我们平时跑算法的思路一致，每一步都非常清晰。

接下来，先让code interpreter自动做数据探索（EDA）

图片

这一步让他自动完成就可以，我们很快就能对数据有全面的掌握，比如：特征的分布，哪些特征与label相关性高等等。

基于上面分析结论，就可以让他来建模了

图片

图片

他会选一个模型（这里用的是随机森林）进行拟合，并且会给出均方根误差和真实值 vs 预测值的散点图。让我们对模型效果有个大致了解。

最后，可以让他用训练好的模型在测试集上预测，并按照Kaggle要求的格式产出

图片

code interpreter可以按照我们的指令，很好的完成工作。我们可以下载他预测的结果，上传到Kaggle进行评估。

误差是 0.15，排名 2000多名，还是非常不错的。

图片

记得，我5年前第一次提交的结果是 0.17，比code interpreter弱爆了。

图片

当然，这还不完，有免费的劳动力，当然要压榨一下，反正他又不会累。

我把这个结果和排名告诉了code interpreter，让他继续优化算法，提升下排名

图片

他还是不出意外地给了一堆1、2、3、4、5...建议，说得非常好，反正我也没看。

我也只能象征性的让他按照自己说的，去做一遍

图片

这里执行的时候，会有一些问题，主要是参数grid search时候，参数组合太多，code interpreter资源不足导致计算超时。

他自己会做一些尝试，如：减少参数范围等。不断出问题，不断重试之后，终于跑成功了，模型效果并没有更好

图片

虽然优化没成功，但他仍然还是会给一些建议

图片

这里我随口一说让他换个模型试试

这次优化成功了，提交上去误差 0.13

图片

排名1k多名，比上一次提高了整整1k名。

整个过程，我始终以小白的身份再跟他交流，没有给到他任何专业的知识。如果深入到项目中，结合code interpreter的反馈和自己的专业知识，指导他迭代，我相信会跑出更好地结果。

还有就是，善用gpt确实提效太多了。

标签：