ChatGPT助力数据分析流程及提示词【建议收藏】

chatgpt中文网2024-03-31308

欢迎访问chatgpt中文教程网，学习chatgpt相关知识，以下是正文内容：

小编在之前的论文写作流程中，介绍了大量论文文字工作，今天小编使用Excel表格数据集，给宝子们演示一下ChatGPT如何助力论文论证过程中的数据分析。

一篇令人信服的学位论文，应当有新颖、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，把具有说服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。

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ChatGPT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

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.进行总结

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：