ChatGPT mengajar anda cara menulis pakej AI, dan menulis model pengecaman untuk tujuh dialog, dengan ketepatan sehingga 99.7%

Kini, orang baru AI tidak perlu membaca tutorial pun, mereka boleh mencipta model menggunakan ChatGPT sahaja.

Ia bukan sahaja membantu anda mencari set data, melatih model dan menulis kod, tetapi juga menilai ketepatan dan mencipta program dalam satu langkah.

Ada seorang lelaki berusia 25 tahun yang meminta ChatGPT membantunya mencipta program pengecaman lokasi geografi, dengan ketepatan akhir sehingga 99.7%.

Dan semua langkah terperinci ada, mengajar anda untuk belajar sambil bekerja.

Kali ini, saya terharu dengan ChatGPT.

Apa yang lebih bertimbang rasa ialah selepas setiap soalan dan jawapan, ChatGPT akan berkata: Jika anda mempunyai sebarang soalan, sila beritahu saya.

Pelaksanaan konkrit

Pada permulaan projek, lelaki ini menjelaskan dengan jelas: Saya tidak mahu bekerja keras lagi, bolehkah anda membantu saya buat program AI?

Ambil dua koordinat sebagai input dan ramalkan negara mana mereka berada.

ChatGPT "dengan gembira" menerima cabaran dan mengingatkan lelaki itu bahawa set data yang sepadan diperlukan, jika tidak, model tidak boleh dilatih. Juga adalah lebih baik jika terdapat lebih banyak maklumat.

Pertama, anda perlu mencari set data yang sesuai.

Saya bertanya kepada ChatGPT sekali lagi, dan ia hanya membuang tiga pilihan untuk saya pilih tanpa berkata apa-apa, semuanya dengan pautan pengenalan.

Daripada tiga set data, set data bumi semulajadi adalah jelas lebih baik, dan ia juga mempunyai "sempadan", garis pantai dan maklumat lain, yang bermaksud bahawa ia adalah perlu untuk sediakan model dengan Terangkan konsep "sempadan", memisahkan label. Tetapi sebagai pendatang baru, set data pertama mempunyai lebih banyak data yang berkaitan dengan tugas dan model lebih mudah untuk dilaksanakan Penulis akhirnya memilih set data pertama.

Selepas memberitahu ChatGPT keputusan ini, ia akan mengajar anda cara membuat DataFrame (bingkai data) dan memberi anda kod sampel.

Selepas pelaksanaan yang berjaya, peringkat kedua datang: latihan model. ChatGPT juga memberikan kod tanpa berkata sepatah pun, malah melampirkan penjelasan terperinci.

Kod ini akan menggunakan algoritma k-NN untuk meramal negara berdasarkan koordinat yang diberikan. Algoritma KNN ialah algoritma ringkas yang mengklasifikasikan input berdasarkan kelas majoriti k jiran terdekatnya.

Dalam contoh ini, data dibahagikan kepada set latihan dan ujian dengan nisbah 80-20. Pengelas KNN kemudiannya dilatih menggunakan set latihan, dan ketepatan model diuji menggunakan set ujian.

Sila ingat bahawa ini adalah contoh mudah dan ketepatan model mungkin tidak tinggi. Anda boleh mencuba bereksperimen dengan algoritma yang berbeza dan nilai k yang berbeza untuk melihat sama ada anda boleh meningkatkan ketepatan model anda

Selepas membuang beberapa data kosong (negara tanpa koordinat), lakukan k untuk. latihan kali pertama -NN berjaya dan mempunyai ketepatan 99.7%.

Walau bagaimanapun, hasil ini tidak begitu memuaskan. Penulis mengaitkan sebab-sebab berikut: pengedaran data yang tidak sekata antara negara yang berbeza terdapat beberapa ralat data dan isu lain.

Ini membawa kita ke langkah ketiga: penilaian semula.

Dalam kod ini, saya menggunakan OpenCage Geocoding API untuk mendapatkan maklumat negara daripada koordinat. Anda perlu menggantikan YORBAPI_KEY dengan kunci API anda untuk mendapatkan akses kepada API. Anda boleh mendaftarkan kunci API percuma di tapak web OpenCage.

Mengikut arahan, pengarang mengubah suai kod dan keputusan menunjukkan bahawa terdapat banyak ralat NA, yang bersamaan dengan hanya 30% daripada data yang tinggal. Tetapi bumi sememangnya kebanyakannya air. (Tiada yang salah, Doge)

Ketepatan model akhir menurun sedikit, mencapai 98.6%, tetapi penulis sangat berpuas hati dengan hasilnya, dia membantu mencipta model AI dalam hanya 7 pusingan dialog .

Juga mencuba algoritma lain

Tetapi ini bukan percubaan pertama saya. Semasa perbualan pertama, dia menggunakan set data yang lebih kecil daripada sumber yang sama yang memerlukan lebih banyak pembetulan set data, dan kod latihan model pertama yang disediakan oleh ChatGPT ialah regresi logistik dengan hanya 51% ketepatan.

Ia kemudian mencuba "penyelesai" yang berbeza (ketepatan kira-kira 65%), serta algoritma lain, termasuk hutan rawak dan k-NN, dengan kadar ketepatan masing-masing 93% dan 92%.

Lelaki berusia 25 tahun ini bekerja sebagai penyelidik keselamatan kanan di SentinelOne, menyelidik dan membangunkan logik pengesanan perisian hasad.

Oleh kerana dia sangat berminat dengan pembelajaran mesin, dia mula belajar sendiri dan mempunyai asas tertentu Dalam perbualan ini, dia sebenarnya bercakap dengan ChatGPT sebagai pemula, dan terkejut dengan kesan yang kuat.

Akhirnya, dia juga berkata bahawa dia benar-benar mempertimbangkan untuk memanggil ChatGPT sebagai "mereka" dan bukannya "ia".

Jadi pemula AI, mula menggunakan ChatGPT dengan cepat. (Doge)

Perbualan penuh: https://sharegpt.com/c/7zLivmp

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

Atas ialah kandungan terperinci ChatGPT mengajar anda cara menulis pakej AI, dan menulis model pengecaman untuk tujuh dialog, dengan ketepatan sehingga 99.7%. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!