ChatGPT zeigt Ihnen, wie Sie ein KI-Paket und ein Erkennungsmodell für sieben Dialoge mit einer Genauigkeit von bis zu 99,7 % schreiben.

Jetzt müssen KI-Neulinge nicht einmal Tutorials lesen, sondern können Modelle einfach mit ChatGPT erstellen.

Es hilft Ihnen nicht nur, Datensätze zu finden, Modelle zu trainieren und Code zu schreiben, sondern kann auch die Genauigkeit bewerten und Programme in einem Schritt erstellen.

Es gibt so einen 25-Jährigen, der ChatGPT gebeten hat, ihm bei der Entwicklung eines Programms zur geografischen Standorterkennung mit einer Endgenauigkeit von bis zu 99,7 % zu helfen.

Und alle Details und Schritte sind vorhanden, damit Sie lernen, während der Arbeit zu lernen.

Diese Welle hat mich von ChatGPT bewegt.

Was noch rücksichtsvoller ist, ist, dass ChatGPT nach jeder Frage und Antwort sagt: Wenn Sie Fragen haben, sagen Sie es mir bitte.

Konkrete Umsetzung

Zu Beginn des Projekts machte dieser Typ klar: Ich möchte nicht mehr hart arbeiten, können Sie mir bei der Erstellung eines KI-Programms helfen?

Nehmen Sie zwei Koordinaten als Eingabe und sagen Sie voraus, in welchem ​​Land sie sich befinden.

Und ChatGPT nahm die Herausforderung „gerne“ an und erinnerte den Kerl daran, dass der entsprechende Datensatz benötigt wird, sonst kann das Modell nicht trainiert werden. Außerdem wäre es besser, wenn es mehr Informationen gäbe.

Zuerst müssen Sie einen geeigneten Datensatz finden.

Der kleine Bruder fragte erneut bei ChatGPT nach und es stellte sich heraus, dass ihm drei Optionen zur Auswahl angeboten wurden, ohne etwas zu sagen, einschließlich Einführungslinks.

Von den drei Datensätzen ist der natürliche Erddatensatz offensichtlich besser und enthält auch „Grenze“, Küstenlinie und andere Informationen. Dies bedeutet, dass das Konzept der „Grenze“ dem Modell und dem erklärt werden muss Trennzeichen müssen erläutert werden. Als Neuling enthält der erste Datensatz jedoch mehr aufgabenbezogene Daten und das Modell ist einfacher zu implementieren. Der Autor hat sich schließlich für den ersten Datensatz entschieden.

Nachdem Sie ChatGPT diese Entscheidung mitgeteilt haben, erfahren Sie, wie Sie einen DataFrame (Datenrahmen) erstellen und erhalten Beispielcode.

Nach erfolgreicher Durchführung kommen wir zur zweiten Stufe: der Modellschulung. ChatGPT gab auch wortlos einen Code und fügte sogar eine ausführliche Erklärung bei.

Dieser Code sagt das Land basierend auf den angegebenen Koordinaten mithilfe des k-NN-Algorithmus voraus. Der KNN-Algorithmus ist ein einfacher Algorithmus, der eine Eingabe basierend auf der Mehrheitsklasse ihrer k nächsten Nachbarn klassifiziert.

In diesem Beispiel werden die Daten im Verhältnis 80-20 in Trainingssatz und Testsatz aufgeteilt. Anschließend wird der KNN-Klassifikator mithilfe des Trainingssatzes trainiert und die Genauigkeit des Modells mithilfe des Testsatzes getestet.

Bitte beachten Sie, dass es sich hierbei um ein einfaches Beispiel handelt und die Genauigkeit des Modells möglicherweise nicht hoch ist. Sie können versuchen, mit verschiedenen Algorithmen und unterschiedlichen k-Werten zu experimentieren, um zu sehen, ob Sie die Genauigkeit Ihres Modells verbessern können

Nachdem einige leere Daten (Länder ohne Koordinaten) verworfen wurden, war die erste Ausführung des k-NN-Trainings erfolgreich und es gibt eine Genauigkeitsrate von 99,7 %.

Dieses Ergebnis ist jedoch nicht so zufriedenstellend. Der Autor führt folgende Gründe an: ungleiche Datenverteilung zwischen verschiedenen Ländern; es gibt einige Datenfehler;

Damit kommen wir zum dritten Schritt: Neubewertung.

In diesem Code verwende ich die OpenCage Geocoding API, um Länderinformationen aus Koordinaten abzurufen. Sie müssen YORBAPI_KEY durch Ihren API-Schlüssel ersetzen, um Zugriff auf die API zu erhalten. Sie können einen kostenlosen API-Schlüssel auf der OpenCage-Website registrieren.

Der Autor folgte den Anweisungen und änderte den Code. Die Ergebnisse zeigten, dass es viele NA-Fehler gab, was nur 30 % der verbleibenden Daten entsprach. Aber die Erde besteht tatsächlich größtenteils aus Wasser. (Nichts falsch, Doge)

Die Genauigkeit des endgültigen Modells sank etwas und erreichte 98,6 %, aber der Autor war mit dem Ergebnis sehr zufrieden. Immerhin half er bei der Erstellung eines KI-Modells in nur 7 Dialogrunden.

Ich habe auch andere Algorithmen ausprobiert

Aber das ist nicht mein erster Versuch. Während des ersten Gesprächs verwendete er einen kleineren Datensatz aus derselben Quelle, der eine stärkere Datensatzkorrektur erforderte, und der erste von ChatGPT bereitgestellte Modelltrainingscode war eine logistische Regression mit nur 51 % Genauigkeit.

Dann wurden verschiedene „Löser“ (die Genauigkeit lag bei etwa 65 %) sowie andere Algorithmen, einschließlich Random Forest und k-NN, mit Genauigkeitsraten von 93 % bzw. 92 % ausprobiert.

Dieser 25-Jährige arbeitet als leitender Sicherheitsforscher bei SentinelOne und erforscht und entwickelt Malware-Erkennungslogik.

Da er sich sehr für maschinelles Lernen interessierte, begann er mit dem Selbststudium und hatte eine gewisse Grundlage. In diesem Gespräch sprach er tatsächlich als Neuling mit ChatGPT und war von der starken Wirkung überrascht.

Abschließend sagte er auch, dass er wirklich darüber nachdenke, ChatGPT als „sie“ statt als „es“ zu bezeichnen.

Also AI-Neulinge, fangen Sie schnell an, ChatGPT zu nutzen. (Doge)

Vollständige Konversation: https://sharegpt.com/c/7zLivmp

Referenzlink: https://xrl1.sh/posts/coordinates-model-with-ChatGPT/

Das obige ist der detaillierte Inhalt vonChatGPT zeigt Ihnen, wie Sie ein KI-Paket und ein Erkennungsmodell für sieben Dialoge mit einer Genauigkeit von bis zu 99,7 % schreiben.. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!