ChatGPT的插件使數(shù)據(jù)科學(xué)成為一種簡(jiǎn)單、愉快的體驗(yàn)

我們做數(shù)據(jù)分析時(shí)一般都是使用這樣的流程來(lái)進(jìn)行：運(yùn)行jupyter notebook、安裝庫(kù)、解決依賴關(guān)系和版本控制，數(shù)據(jù)分析，生成圖表。ChatGPT的“Code Interpreter”插件可以幫助我們進(jìn)行數(shù)據(jù)分析。

作為測(cè)試，首先要ChatGPT進(jìn)入角色,讓它作為經(jīng)濟(jì)顧問(wèn)。

act as an economic advisor and help me understand what is essential for calculating inflation.

1、加載和預(yù)處理數(shù)據(jù)

要求ChatGPT訪問(wèn)歷史數(shù)據(jù)并開(kāi)始對(duì)其進(jìn)行預(yù)測(cè)。它告訴我它將使用FRED(聯(lián)邦儲(chǔ)備經(jīng)濟(jì)數(shù)據(jù))數(shù)據(jù)庫(kù)，但不幸的是，它無(wú)法下載數(shù)據(jù)。

那么我們來(lái)幫它下載，詢問(wèn)如何下載數(shù)據(jù)。

然后將它上傳給Code Interpreter，就可以進(jìn)行EDA了。

在ChatGPT的幫助下，我可視化了數(shù)據(jù)，檢查了趨勢(shì)，并探索了關(guān)鍵指標(biāo)。ChatGPT用簡(jiǎn)單的英語(yǔ)進(jìn)行了總結(jié)。

哈哈，ChatGPT什么都知道。

2、數(shù)據(jù)分析：它繪制了時(shí)間序列數(shù)據(jù)，直觀地探索CPI值的趨勢(shì)和季節(jié)性。

它使用增強(qiáng)Dickey-Fuller (ADF)檢驗(yàn)平穩(wěn)性。結(jié)果表明，原始時(shí)間序列是非平穩(wěn)的。

3、數(shù)據(jù)轉(zhuǎn)換的平穩(wěn)性

為了實(shí)現(xiàn)平穩(wěn)性，它對(duì)時(shí)間序列數(shù)據(jù)應(yīng)用了一階差分，這涉及到計(jì)算連續(xù)觀測(cè)數(shù)據(jù)之間的差異。它對(duì)不同的數(shù)據(jù)使用ADF檢驗(yàn)重新檢驗(yàn)平穩(wěn)性。結(jié)果表明，差分時(shí)間序列是平穩(wěn)的。

4、模型選擇與參數(shù)估計(jì)

下一步是預(yù)測(cè)五年的CPI。ChatGPT向我介紹了ARIMA模型，它分析了這些數(shù)字，給了我一個(gè)有意義的預(yù)測(cè)!

它設(shè)置檢查了自相關(guān)函數(shù)(ACF)和部分自相關(guān)函數(shù)(PACF)圖，來(lái)確定ARIMA模型的順序(參數(shù)p, d, q)。根據(jù)ACF和PACF圖，選取參數(shù)p=1, d=1, q=1的初始ARIMA模型。

5、模型訓(xùn)練

它用所選參數(shù)(p=1, d=1, q=1)將ARIMA模型擬合到原始(無(wú)差異)時(shí)間序列數(shù)據(jù)。該模型從歷史數(shù)據(jù)模式中學(xué)習(xí)。

6、預(yù)測(cè)

使用擬合的ARIMA模型從最后一個(gè)數(shù)據(jù)點(diǎn)預(yù)測(cè)未來(lái)5年(60個(gè)月)的CPI。還生成點(diǎn)預(yù)測(cè)和置信區(qū)間，以解釋預(yù)測(cè)中的不確定性。

7、可視化和解釋

繪制歷史數(shù)據(jù)、預(yù)測(cè)CPI值和置信區(qū)間，在通貨膨脹趨勢(shì)的背景下解釋預(yù)測(cè)值，理解預(yù)測(cè)受到不確定性和外部因素的影響。

插件系統(tǒng)的確讓ChatGPT變得有趣:“Code Interpreter”不僅可以讓遠(yuǎn)程運(yùn)行代碼，而且還使數(shù)據(jù)科學(xué)簡(jiǎn)單，高效。

無(wú)論你是經(jīng)驗(yàn)豐富的數(shù)據(jù)科學(xué)家還是剛?cè)腴T(mén)的新手，都可以嘗試一下ChatGPT。智能不智能要看后續(xù)的驗(yàn)證結(jié)果，但是省事是真省事。