哈嘍，大家好。

今天給大家分享下 GPT-4 code interpreter 自動(dòng)做數(shù)據(jù)分析、科研繪圖、做機(jī)器學(xué)習(xí)算法。

圖片

本文用的是人工智能入門的一個(gè)經(jīng)典案例——Kaggle房?jī)r(jià)預(yù)測(cè)，來看看完全交給code interpreter能做到什么程度。

數(shù)據(jù)集直接從Kaggle網(wǎng)站下載就可以了。

圖片

下載下來是個(gè)壓縮文件，我們可以一股腦丟給code interpreter，讓他來解壓，并且解讀里面的文件。

圖片

他能正確解讀每個(gè)文件的作用，尤其像data_description.txt這種文件里面有幾十個(gè)字段，又都是英文，如果一個(gè)個(gè)看很浪費(fèi)時(shí)間，但用code interpreter就非常方便，它可以說明每個(gè)字段的含義，并且能正確解析出每個(gè)字段有多少取值，以及每個(gè)取值的含義。

圖片

閱讀效率太高了！

然后告訴code interpreter這是一個(gè)房?jī)r(jià)預(yù)測(cè)的任務(wù)，讓他給出步驟。

圖片

跟我們平時(shí)跑算法的思路一致，每一步都非常清晰。

接下來，先讓code interpreter自動(dòng)做數(shù)據(jù)探索（EDA）。

圖片

這一步讓他自動(dòng)完成就可以，我們很快就能對(duì)數(shù)據(jù)有全面的掌握，比如：特征的分布，哪些特征與label相關(guān)性高等等。

基于上面分析結(jié)論，就可以讓他來建模了。

圖片

圖片

他會(huì)選一個(gè)模型（這里用的是隨機(jī)森林）進(jìn)行擬合，并且會(huì)給出均方根誤差和真實(shí)值 vs 預(yù)測(cè)值的散點(diǎn)圖。讓我們對(duì)模型效果有個(gè)大致了解。

最后，可以讓他用訓(xùn)練好的模型在測(cè)試集上預(yù)測(cè)，并按照Kaggle要求的格式產(chǎn)出。

圖片

code interpreter可以按照我們的指令，很好的完成工作。我們可以下載他預(yù)測(cè)的結(jié)果，上傳到Kaggle進(jìn)行評(píng)估。

誤差是 0.15，排名 2000多名，還是非常不錯(cuò)的。

圖片

記得，我5年前第一次提交的結(jié)果是 0.17，比code interpreter弱爆了。

圖片

當(dāng)然，這還不完，有免費(fèi)的勞動(dòng)力，當(dāng)然要壓榨一下，反正他又不會(huì)累。

我把這個(gè)結(jié)果和排名告訴了code interpreter，讓他繼續(xù)優(yōu)化算法，提升下排名。

圖片

他還是不出意外地給了一堆1、2、3、4、5...建議，說得非常好，反正我也沒看。

我也只能象征性的讓他按照自己說的，去做一遍。

圖片

這里執(zhí)行的時(shí)候，會(huì)有一些問題，主要是參數(shù)grid search時(shí)候，參數(shù)組合太多，code interpreter資源不足導(dǎo)致計(jì)算超時(shí)。

他自己會(huì)做一些嘗試，如：減少參數(shù)范圍等。不斷出問題，不斷重試之后，終于跑成功了，模型效果并沒有更好。

圖片

雖然優(yōu)化沒成功，但他仍然還是會(huì)給一些建議。

圖片

這里我隨口一說讓他換個(gè)模型試試。

這次優(yōu)化成功了，提交上去誤差 0.13。

圖片

排名1k多名，比上一次提高了整整1k名。

整個(gè)過程，我始終以小白的身份再跟他交流，沒有給到他任何專業(yè)的知識(shí)。如果深入到項(xiàng)目中，結(jié)合code interpreter的反饋和自己的專業(yè)知識(shí)，指導(dǎo)他迭代，我相信會(huì)跑出更好地結(jié)果。

還有就是，善用GPT確實(shí)提效太多了。