ChatGPT教你學(xué)AI包教包會(huì)，7段對(duì)話寫識(shí)別模型，準(zhǔn)確度最高達(dá)99.7%

白交 2023-02-07 10:58:42 來源：量子位

白交 發(fā)自 凹非寺

量子位 | 公眾號(hào) QbitAI

現(xiàn)在，AI小白甚至都不需要看教程，僅憑ChatGPT就可以創(chuàng)建模型。

它不僅幫你找數(shù)據(jù)集、訓(xùn)練模型寫代碼，還能評(píng)估準(zhǔn)確性、創(chuàng)建程序一步到位。

就有這么一個(gè)25歲小哥，讓ChatGPT幫他創(chuàng)建了個(gè)地理位置識(shí)別程序，最終準(zhǔn)確率最高達(dá)99.7%。

而且各種細(xì)節(jié)步驟全在，一邊干活還一邊教你學(xué)習(xí)。

這一波，被ChatGPT感動(dòng)到了。

更貼心的是，在每次答疑解惑完，ChatGPT都會(huì)說上一句：如果你有任何疑問，請(qǐng)告訴我。

具體實(shí)現(xiàn)

項(xiàng)目一開始，這位小哥開宗明義：我不想努力了，你可以幫我創(chuàng)建一個(gè)AI程序嗎？

以兩個(gè)坐標(biāo)為輸入，并預(yù)測(cè)他們?cè)谀膫€(gè)國(guó)家。

而ChatGPT“欣然”接受挑戰(zhàn)，還提醒這位小哥，需要相應(yīng)數(shù)據(jù)集，否則模型無法訓(xùn)練。另外要是還有更多信息，就更好了。

首先，需要找到合適的數(shù)據(jù)集。

小哥再問ChatGPT，結(jié)果它到是二話不說直接扔出了三個(gè)供其選擇，介紹鏈接都有。

從三個(gè)數(shù)據(jù)集來看，自然地球數(shù)據(jù)集顯然更好，而且還有“邊界”、海岸線等信息，這也就意味著要向模型解釋“邊界”概念，分隔標(biāo)簽。但作為新人而言，第一個(gè)數(shù)據(jù)集與任務(wù)相關(guān)的數(shù)據(jù)更多，模型更容易實(shí)現(xiàn)，作者最終選擇了第一個(gè)數(shù)據(jù)集。

將這個(gè)決定告訴ChatGPT之后，緊接著它就來教你創(chuàng)建DataFrame（數(shù)據(jù)框架），并給出了示例代碼。

執(zhí)行成功后，就來到了第二階段：模型訓(xùn)練。ChatGPT也二話不說地給了份代碼，甚至還附上了詳細(xì)解釋。

該代碼將使用k-NN算法根據(jù)給定的坐標(biāo)來預(yù)測(cè)國(guó)家。KNN 算法是一種簡(jiǎn)單的算法，它根據(jù)輸入的 k 個(gè)最近鄰的大多數(shù)類對(duì)輸入進(jìn)行分類。

在這個(gè)例子中，數(shù)據(jù)被分成訓(xùn)練集和測(cè)試集，比例為80-20。然后用訓(xùn)練集對(duì) KNN 分類器進(jìn)行訓(xùn)練，并用測(cè)試集對(duì)模型的精度進(jìn)行測(cè)試。

請(qǐng)記住，這是一個(gè)簡(jiǎn)單的示例，模型的準(zhǔn)確性可能不高。您可以嘗試使用不同的算法和k的不同值進(jìn)行實(shí)驗(yàn)，看看是否可以提高模型的準(zhǔn)確性.

在丟棄一些空白數(shù)據(jù)（沒有坐標(biāo)的國(guó)家）之后，首次執(zhí)行k-NN訓(xùn)練成功，并有99.7%的準(zhǔn)確率。

不過這個(gè)結(jié)果并不是那么滿意，作者歸結(jié)了這幾個(gè)方面的原因：不同國(guó)家之間的數(shù)據(jù)分布不均；存在一些數(shù)據(jù)錯(cuò)誤；偏見等問題。

這樣也就來到了第三步：重新評(píng)估。

在這段代碼中，我使用 OpenCage 地理編碼 API 從坐標(biāo)中獲取國(guó)家信息。您需要使用API密鑰替換 YORBAPI _ KEY 以獲得對(duì) API 的訪問權(quán)限。你可以在 OpenCage 網(wǎng)站上注冊(cè)一個(gè)免費(fèi)的API密鑰。

按照說明，作者修改了代碼，結(jié)果顯示出現(xiàn)了很多NA錯(cuò)誤，相當(dāng)于只剩下30%數(shù)據(jù)。不過這個(gè)地球確實(shí)大部分都是水。（也沒毛病，Doge）

最終模型準(zhǔn)確性下降了一些，有98.6%，但這個(gè)結(jié)果作者表示很滿意，畢竟只有7個(gè)對(duì)話回合就幫忙造出來一個(gè)AI模型來。

還嘗試了其他算法

不過這不是小哥的第一次嘗試。第一次談話時(shí)，他用了同一來源的較小數(shù)據(jù)集，需要更多數(shù)據(jù)集校正，而ChatGPT提供的第一個(gè)模型訓(xùn)練代碼是邏輯回歸，只有51%的準(zhǔn)確性。

而后它又嘗試了不同的“求解器”（準(zhǔn)確率約為65%），以及其他算法，包括隨機(jī)森林和k-NN，準(zhǔn)確率分別為93%和92%。

這位25歲小哥在SentinelOne 擔(dān)任高級(jí)安全研究員，研究和開發(fā)惡意軟件檢測(cè)邏輯。

他因?yàn)閷?duì)機(jī)器學(xué)習(xí)很感興趣開始自學(xué)有一定基礎(chǔ)，在本次對(duì)話中其實(shí)他特意以小白的身份與ChatGPT對(duì)話，結(jié)果被強(qiáng)大的效果驚艷到。

最后他還表示，真的在考慮用“他們”而不是“它”來稱呼ChatGPT。

所以AI小白們，ChatGPT快用起來吧。（Doge）

完整對(duì)話：
https://sharegpt.com/c/7zLivmp
參考鏈接：
https://xrl1.sh/posts/coordinates-model-with-ChatGPT/