这个ChatGPT插件可以远程运行代码,还生成图表

人工智能 数据分析
我们做数据分析时一般都是使用这样的流程来进行:运行jupyter notebook、安装库、解决依赖关系和版本控制,数据分析,生成图表。ChatGPT的“Code Interpreter”插件可以帮助我们进行数据分析。

ChatGPT的插件使数据科学成为一种简单、愉快的体验

我们做数据分析时一般都是使用这样的流程来进行:运行jupyter notebook、安装库、解决依赖关系和版本控制,数据分析,生成图表。ChatGPT的“Code Interpreter”插件可以帮助我们进行数据分析。

作为测试,首先要ChatGPT进入角色,让它作为经济顾问。

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

图片

1、加载和预处理数据

要求ChatGPT访问历史数据并开始对其进行预测。它告诉我它将使用FRED(联邦储备经济数据)数据库,但不幸的是,它无法下载数据。

那么我们来帮它下载,询问如何下载数据。

然后将它上传给Code Interpreter,就可以进行EDA了。

在ChatGPT的帮助下,我可视化了数据,检查了趋势,并探索了关键指标。ChatGPT用简单的英语进行了总结。

哈哈,ChatGPT什么都知道。

2、数据分析:它绘制了时间序列数据,直观地探索CPI值的趋势和季节性。

它使用增强Dickey-Fuller (ADF)检验平稳性。结果表明,原始时间序列是非平稳的。

图片

3、数据转换的平稳性

为了实现平稳性,它对时间序列数据应用了一阶差分,这涉及到计算连续观测数据之间的差异。它对不同的数据使用ADF检验重新检验平稳性。结果表明,差分时间序列是平稳的。

图片

4、模型选择与参数估计

下一步是预测五年的CPI。ChatGPT向我介绍了ARIMA模型,它分析了这些数字,给了我一个有意义的预测!

图片

它设置检查了自相关函数(ACF)和部分自相关函数(PACF)图,来确定ARIMA模型的顺序(参数p, d, q)。根据ACF和PACF图,选取参数p=1, d=1, q=1的初始ARIMA模型。

5、模型训练

图片

它用所选参数(p=1, d=1, q=1)将ARIMA模型拟合到原始(无差异)时间序列数据。该模型从历史数据模式中学习。

6、预测

图片

使用拟合的ARIMA模型从最后一个数据点预测未来5年(60个月)的CPI。还生成点预测和置信区间,以解释预测中的不确定性。

7、可视化和解释

图片

绘制历史数据、预测CPI值和置信区间,在通货膨胀趋势的背景下解释预测值,理解预测受到不确定性和外部因素的影响。

图片

插件系统的确让ChatGPT变得有趣:“Code Interpreter”不仅可以让远程运行代码,而且还使数据科学简单,高效。

图片

无论你是经验丰富的数据科学家还是刚入门的新手,都可以尝试一下ChatGPT。智能不智能要看后续的验证结果,但是省事是真省事。

责任编辑:华轩 来源: DeepHub IMBA
相关推荐

2023-03-27 13:42:22

2021-08-03 11:12:07

iOS苹果系统

2021-03-24 15:29:48

Python 开发编程语言

2023-04-11 07:56:54

2020-09-25 09:36:26

漏洞ICS网络安全

2022-08-10 09:02:08

SwiftDecodable

2023-09-05 06:34:36

2021-07-20 10:24:42

漏洞网络安全网络攻击

2019-11-08 09:20:57

代码开发工具

2024-02-20 21:49:29

AI前端代码

2013-04-25 14:02:59

2021-03-29 13:06:25

开源工具开源

2022-11-09 12:55:56

2023-04-24 08:00:00

2020-08-11 08:16:11

漏洞安全黑客

2022-12-25 10:35:09

ChatGPTPython

2023-10-13 11:00:13

浏览器WASI

2023-06-07 13:52:00

GPT应用自然语言

2024-02-18 09:00:00

RAG工具LlamaIndexChatGPT
点赞
收藏

51CTO技术栈公众号