使用-Python-自动化-ChatGPT-的数据科学提示

使用 Python 自动化 ChatGPT 的数据科学提示

原文：Automate ChatGPT Prompts for Data Science with Python

译者：飞龙

协议：CC BY-NC-SA 4.0

关于作者

托马斯·卡罗尔目前是一名专业的软件开发者。在故乡的一所著名学校担任教师近十年后，他决定致力于他最大的热情——编程。在将他的初期职业生涯奉献于教学之后，他决定除了通过私人课程教学外，还写一些适合初学者的编程书籍。如果你想了解更多关于编程和机器学习的信息，我可以帮助你。

第一章：   数据科学 ChatGPT 提示（已尝试、测试和评分）

使用 ChatGPT 自动化数据科学任务

我为数据科学领域的 60 个 ChatGPT 函数进行了评分。使用这些提示并询问 ChatGPT 编写和解释代码，优化数据科学代码。它还可以解释数据科学概念，提出想法，并解决问题。

如何阅读本指南

目录表中包含所有 60 个提示。点击目录表中的链接导航到提示、ChatGPT 的响应和评分。

第二章：   编写 Python

  1. 训练分类模型

提示：我想让你扮演数据科学家并为我编写代码。我有一个数据集 [描述数据集]。请构建一个机器学习模型来预测 [目标变量]。

image_rsrcZWimage_rsrcZXimage_rsrcZYimage_rsrcZZ

ChatGPT 能够提供令人满意的代码：

  • 提供常规预处理（缩放数据和编码分类变量），

  • 删除测试列

  • 提供训练-测试分割

  • 评估模型

这很好，因为它提供了足够的代码来开始构建模型。它也是技术上正确和正确的。然而，它缺乏的是它只使用了准确率作为评估标准。

  1. 自动机器学习

提示：我想让你扮演一个使用 TPOT 的自动机器学习（AutoML）机器人。我正在处理一个预测 [...] 的模型。请编写 Python 代码以找到在测试集上具有最高 AUC 分数的最佳分类模型。

image_rsrc100image_rsrc101

ChatGPT 提供了很好的代码（它运行了！）：

  • 提供训练-测试分割

  • 实例化了 AutoML 分类器

  • 将其拟合到 AutoML 分类器

  • 导出分类器

我一点也不惊讶 ChatGPT 在这里表现出色，因为代码几乎全是样板代码。这些代码可以直接从文档中复制粘贴。

  1. 调整超参数

提示：我想让你扮演数据科学家并为我编写代码。我已经训练了一个 [模型名称]。请编写代码以调整超参数。

image_rsrc102image_rsrc103

对于决策树分类器，ChatGPT 编写了以下代码：

  • 执行网格搜索

  • 建议最佳参数。

完美无缺，代码运行了！网格搜索是超参数调整中最受欢迎的方法，所以它出现在最上面并不奇怪。

然而，请注意，网格搜索会彻底遍历搜索空间。搜索空间越大，所需时间越长。另一种选择是随机搜索，它对参数进行随机搜索。一旦分配了预算，随机搜索所需时间与搜索空间大小无关。

  1. 探索数据

提示：我想让你扮演数据科学家并为我编写代码。我有一个数据集[描述数据集]。请编写用于数据可视化和探索的代码。

image_rsrc104image_rsrc105image_rsrc106

对于探索，ChatGPT 编写了以下代码：

  • 使用 df.describe()提供描述性统计

  • 创建计数图以可视化分类变量的分布。

  • 创建热图以确定数值变量之间的相关性。

  • 使用数值列的箱形图确定了数值变量与目标变量之间的关系。

  • 使用条形图确定了分类变量与目标变量之间的关系。

上述图表的选择确实是正确的。

  1. 生成数据

提示：我想让你扮演假数据生成器。我需要一个有 x 行和 y 列的数据集：[插入列名]

image_rsrc107image_rsrc108

ChatGPT 生成的代码完全符合我的要求生成数据。它只使用了 pandas 库和内部 random 库，使其具有可移植性。我实际上确实使用了合成数据集来完成其他任务。

  1. 编写正则表达式

提示：我想让你扮演编码者。请为我编写一个 Python 中的正则表达式[描述正则表达式]

image_rsrc109image_rsrc10A

这里，ChatGPT 提供了符合 Python 中要求的正则表达式的代码。

然而，请注意，我已挑选了这个例子。在这之前，我曾尝试让 ChatGPT 创建更复杂的其他正则表达式模式，但它失败了。它甚至在对正则表达式进行解释时显得自信，但它生成的正则表达式不起作用。

  1. 训练时间序列

提示：我想让你扮演数据科学家并为我编写代码。我有一个时间序列数据集[描述数据集]。请构建一个机器学习模型来预测[target 变量]。请使用[时间范围]作为训练集，[时间范围]作为验证集。

image_rsrc10Bimage_rsrc10Cimage_rsrc10Dimage_rsrc10E

ChatGPT 提供了以下代码：

  • 使用标准缩放预处理数据

  • 创建滞后变量

  • 训练 RandomForestRegressor 进行评估

  • 使用平均绝对误差进行评估

好吧，这是一个有争议的问题。ChatGPT 无法正确编写时间序列验证的代码。

原因如下：没有提示“请使用 A 到 B 的数据作为训练。请使用 Y 到 Z 的数据作为验证”，ChatGPT 使用 sklearn 的 train_test_split 随机分割数据点为训练集和验证集。这是一个大忌，因为 train_test_split 函数随机分割数据时，不考虑数据集之间的时间关系。相反，它应该使用早期时间框架的所有数据点作为训练集，后期时间框架作为测试集。

  1. 解决数据不平衡问题

提示：我想让你扮演编码者。我在一个不平衡的数据集上训练了一个机器学习模型。预测变量是[插入列名]列。在 Python 中，我如何进行过采样和/或欠采样我的数据？

ChatGPT 使用了 imblearn 库来编写样板代码，该代码随机对数据集进行过采样和欠采样。

代码是合理的，但我对其对过采样和欠采样的理解有些挑剔。

过采样和欠采样只应在训练数据集上进行。它不应在整个数据集上进行，包括测试数据集。否则，评估将在不再反映真实数据集实际分布的重新采样测试集上进行。

因此，它应该首先尝试将数据集拆分为训练集和测试集，然后再进行过采样和欠采样。

  1. 获取特征重要性

提示：我希望你扮演数据科学家的角色，并解释模型的结果。我已经训练了一个决策树模型，并希望找到最重要的特征。请编写代码。

ChatGPT 正确地提供了绘制决策树特征重要性的代码。它甚至按从重要到不重要对特征重要性进行了排序。赞一个！

  1. 使用 Matplotlib 可视化数据

提示：我希望你扮演 Python 中的编码者。我有一个名为 [名称] 的数据集，其中包含列 [名称]。[描述图表需求]

ChatGPT 可以提供用于在 Matplotlib 中绘制可视化图表的正确代码。

我特别印象深刻，因为我提供了非常长且相当复杂的指示，而 ChatGPT 完美地遵循了这些指示。以下是代码的输出：

  1. 使用 Matplotlib 可视化图像网格

提示：我希望你扮演编码者。我有一个图像文件夹。 [描述目录中文件的组织方式] [描述如何打印图像]

再次，ChatGPT 可以提供用于使用 Matplotlib 绘制图像网格的正确代码。

再次，我提供了复杂且长的指示，但 ChatGPT 完美地遵循了它们。（我个人非常讨厌使用 Matplotlib 创建图表。它非常灵活，但编写代码相当痛苦。）

12. 使用 Lime 解释模型

提示：我希望你扮演数据科学家的角色，并解释模型的结果。我已经训练了一个 [库名称] 模型，并希望使用 LIME 解释输出。请编写代码。

ChatGPT 提供了使用 LimeTabularExplainer 解释模型的代码，并使用正确的命令解释了一个实例。

个人而言，我觉得这很有帮助，因为我不需要查阅文档来获取样板代码。总的来说，ChatGPT 提供了准确无误的代码，没有违反任何原则。

  1. 使用 Shap 解释模型

提示：我希望你扮演数据科学家的角色，并解释模型的结果。我已经训练了一个 scikit-learn XGBoost 模型，并希望使用 Shap 系列图表来解释输出。请编写代码。

  1. 编写多线程函数

提示：我想让你扮演一个程序员的角色。你能帮我将这段代码在 Python 的线程中并行化吗？

我很高兴地发现这段代码实际上无需修改就能工作。我预见自己在未来会经常这样做。

  1. 比较函数速度

提示：我想让你扮演一个软件开发者。我想比较两个在 Python 中执行相同功能的算法的效率。请编写代码帮助我运行一个可以重复 5 次的实验。请输出实验的运行时间和其他摘要统计信息。[在此插入函数]

ChatGPT 能够编写使用内置包比较两个函数速度的代码。

代码运行正确。尽管如此，我更希望 ChatGPT 使用 Python 中的%%timeit 魔法而不是编写冗长的代码。

  1. 创建 NumPy 数组

提示：我想让你扮演一个数据科学家。我需要创建一个 numpy 数组。这个 numpy 数组应该具有形状(x,y,z)。请用随机值初始化这个 numpy 数组。

这个简单的命令产生了一个简单的函数。在这里，ChatGPT 展示了其将人类语言转换为适当函数和参数的能力。

代码是正确的，我在这里没有任何抱怨。

  1. 编写单元测试

提示：我想让你扮演一个软件开发者。请为函数[在此插入函数]编写单元测试。测试用例是：[在此插入测试用例]

  1. 验证列

提示：我想让你扮演一个数据科学家。请编写代码来测试我的 pandas DataFrame [在此插入要求]

第三章：解释代码

  1. 解释 Python

提示：我想让你扮演一个代码解释者。这段代码在做什么？[在此插入代码]

我对 ChatGPT 的这次回应感到非常满意。它不仅能够解释每个函数的概念，还能猜测程序员为何执行某个特定操作。例如，它通过说“这很可能是为了确保值在像素强度值的有效范围内”，来解释了代码行 np.clip(reconstructed, 0, 1)，这是完全正确的。

我认为 ChatGPT 理解代码的能力相当好且稳健。因此，我强烈建议任何遇到理解代码问题的程序员将 ChatGPT 作为 API 文档的补充使用。

  1. 解释 SQL

提示：我想让你扮演一个数据科学讲师。你能向我解释一下这段 SQL 代码在做什么吗？[在此插入 SQL 代码]

再次，这是一个正确且出色的解释。就像它对 Python 的解释一样，ChatGPT 能够理解和解释 SQL 代码。

我喜欢它对“SUM(Revenue) OVER (ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW)”这一行的解释。注意，它不仅能够提供对这一行所做事情的概括性解释，还能提供对 OVER()、UNBOUNDED PRECEDING 和 CURRENT ROW 子句所做事情的分解。

  1. 解释 Google Sheets 公式

Prompt: 我希望你能扮演一个 Google Sheets 公式解释者。解释以下 Google Sheets 命令。[插入公式]

ChatGPT 能够很好地解释 FILTER 函数。我喜欢它提供了类似于文档中看到的通用代码片段，并继续用用户提供的具体参数解释这个通用片段。

特别是，关于“过滤”函数用于根据条件“A2:A12=F2”过滤范围“C2:C12”的行是一个很好的解释，它被置于用户的论点中。

第四章：   优化代码

  1. 提高代码速度

Prompt: 我希望你能扮演一个软件开发者。请帮助我提高以下代码的时间复杂度。[插入代码]

ChatGPT 从 O(n)优化到 O(1)的正确优化。然而，请注意这是一个简单的例子。你可能想测试它更复杂的案例，看看它是否仍然有效。

  1. 优化 Pandas

Prompt: 我希望你能扮演一个代码优化者。你能指出以下 Pandas 代码中的错误并优化它吗？[插入代码]

我个人认为这些建议特别突出。它指出了代码没有问题（这是一个正确的观察）并转向提出良好的代码实践建议。

  1. 再次优化 Pandas

Prompt: 我希望你能扮演一个代码优化者。你能指出以下 Pandas 代码中的错误并优化它吗？[插入代码]

当然，ChatGPT 能够捕捉到 Pandas 中的 iterrow 作为反模式。喜欢这个优化。

  1. 优化 Python

Prompt: 我希望你能扮演一个代码优化者。代码写得不好。我该如何纠正它？[插入代码]

  1. 优化 SQL

Prompt: 我希望你能扮演一个 SQL 代码优化者。以下代码运行缓慢。你能帮我加速它吗？[插入 SQL]

这里的前两个建议是有效的优化建议。然而，第三个建议是错误的。实际上，DATEPART 比 EXTRACT 快。因此，我不得不在这个类别中扣分。

  1. 简化 Python

Prompt: 我希望你能扮演一个代码简化者。你能简化以下代码吗？

如果你用 Python 编写了面条式代码，ChatGPT 可能能够帮助你简化它。

第五章：   格式化代码

  1. 编写文档

Prompt: 我希望你能扮演一个软件开发者的角色。请为下面的 func1 提供文档。[插入函数]

ChatGPT 可以提供正确、格式良好的文档字符串。它还提供了一个简洁的一行代码来捕捉函数的精髓（“计算整数的总和”）。这很整洁，我预见自己会经常这样做。

  1. 提高可读性

提示：我想让你扮演代码分析员的角色。你能改进以下代码的可读性和可维护性吗？[插入代码]

我在这里有点失望，因为我希望 ChatGPT 能帮我移除函数中的冗余变量。话虽如此，它的建议已经有助于提高可读性。

  1. 格式化 SQL

提示：我想让你扮演 SQL 格式化员。请格式化以下 SQL 代码。请将所有保留关键字转换为大写[插入要求]。[插入代码]

代码格式整齐，使用了正确的缩进和大小写。

第六章：翻译代码

  1. 在数据库管理系统之间进行翻译

提示：我想让你扮演程序员，为 MySQL 编写 SQL 代码。MySQL 中 DATE_TRUNC 的等价函数是什么？

虽然 ChatGPT 能够在这个例子中翻译 DATE_TRUNC 函数，但在其他情况下它失败了。特别是，它未能将 Redshift 的 PIVOT 转换为包含一系列 CASE WHEN 的查询。因此，这种翻译可能只适用于简单用例。

  1. 将 Python 转换为 R

提示：我想让你扮演代码翻译员。你能将以下代码从 Python 转换为 R 吗？[插入代码]

这是一个正确的翻译！然而，请注意，这是一个非常简单的函数。ChatGPT 可能在更复杂的代码块上失败。

  1. 将 R 转换为 Python

提示：我想让你扮演代码翻译员。你能将以下代码从 R 转换为 Python 吗？[插入代码]

再次，这里的翻译是正确的。然而，请注意，这是一个非常简单的函数。ChatGPT 可能在更复杂的代码块上失败。

第七章：解释概念

总体来说，我喜欢 ChatGPT 能够正确地解释概念，并且考虑到受众。通过下面的例子，你可以看到 ChatGPT 如何向不同水平的受众解释不同的概念。当向孩子解释一个复杂的概念时，它使用适当的类比。当向教授解释概念时，它使用适当的语气和语言。当向商业利益相关者解释概念时，它将概念与商业术语和背景联系起来。每个都值得五星。

  1. 向五岁儿童解释

提示：我想让你扮演数据科学讲师的角色。向五岁儿童解释[概念]。

  1. 向本科生解释

提示：我想让你扮演数据科学讲师的角色。向本科生解释[概念]。

  1. 向教授解释

提示：我想让你扮演数据科学讲师的角色。向教授解释[概念]。

  1. 向商业利益相关者解释

提示：我希望你扮演数据科学讲师的角色。向商业利益相关者解释[概念]。

  1. 解释如 StackOverflow

提示：我希望你扮演 StackOverflow 上的回答者。你可以提供代码片段、示例表格和输出来支持你的答案。[插入技术问题]

不仅答案是正确且简洁的，还附带相关信息（不同类型的约束）和代码片段。

我在这里有一个小贴士，就是明确提示 ChatGPT 提供代码片段、示例表格和输出，以获得更全面的答案。

第八章：   提出想法

  1. 提出边缘情况

提示：我希望你扮演软件开发者的角色。请帮我捕捉这个函数[插入函数]的边缘情况。

对于相对简单的函数，ChatGPT 能够正确且全面地提出边缘情况。它全面考虑了所有情况，而无需提示具体是哪些情况。

  1. 提出数据集

提示：我希望你扮演数据科学职业教练。我想为[...]构建一个预测模型。同时，我想展示我在[...]方面的知识。你能请建议五个与我用例最相关的数据集吗？

我喜欢 ChatGPT 的数据集建议，因为它们是根据我的用例定制的。我也测试了这个提示针对不同角色和用例，它给出的建议始终很出色。

然而，请注意，我仅测试了相对简单的用例。对于需要特定数据集的更复杂用例，ChatGPT 可能表现不佳。

  1. 提出投资组合想法

提示：我希望你扮演数据科学教练的角色。我的背景是[...]，我想要[职业目标]。我需要建立一个数据科学项目组合，以帮助我在[...]作为[...]的角色。你能建议五个具体的投资组合项目，这些项目将展示我在[...]方面的专业知识，并且与[公司]相关吗？

这是我最喜欢的一个提示。它的建议不仅对我个人相关，而且对我的目标行业，以及我的梦想公司都很有帮助。它不会建议像泰坦尼克号或鸢尾花项目这样的通用项目。相反，它基于对公司（在这个案例中是特斯拉）、行业（数据科学）以及我在工程背景下的了解，提出了显著的建议。

我非常喜欢这个功能，并希望更多的人尝试它！

  1. 提出资源

提示：我希望你扮演数据科学教练的角色。我想了解[主题]。请建议三个最佳的具体资源。你可以包括[指定资源类型]。

这是对那些想要学习新技能的人的建议。我发现它所建议的资源不仅相关，而且备受好评。它也没有提供一份令人压倒性的资源列表，而是只提供了一小部分。我喜欢这一点，因为它确实为寻找新资源的人提供了一个良好的起点。

  1. 建议时间复杂度

提示：请扮演一个软件开发者的角色。请比较以下两个算法的时间复杂度。[插入两个函数]

图片资源 11X

对于这个非常简单的例子，ChatGPT 能够推断出时间复杂度。

  1. 建议特征工程

提示：请扮演一个数据科学家并执行特征工程。我正在开发一个预测[插入特征名称]的模型。有这些列：[描述列]。你能建议我们可以为此机器学习问题构建的特征吗？

图片资源 11Y

我非常喜欢 ChatGPT 在这里的回应。它提出的特性是合理的，并且实际上对用例很有用。

  1. 建议 A/B 测试步骤

提示：请扮演一个统计学家。请描述背景。[描述背景]请为此目的设计一个 A/B 测试。请包括我应该运行的具体统计测试步骤。

图片资源 11Z图片资源 120

虽然 ChatGPT 的 A/B 测试步骤是正确的，但我确实发现需要明确要求它包括所需的统计测试。

  1. 职业指导

提示：请扮演一个职业规划师。我正在寻找一个[角色名称]的职位。我的背景是[...]。我如何在 6 个月内获得这个职位，以及具体需要哪些资源？

图片资源 121图片资源 122

我并不惊讶 ChatGPT 在这里做得很好。它能够重复提供给职业转换者的常见建议。虽然这在技术上是对的，但我并没有觉得它有多么令人印象深刻。

旁注：在构建自己的投资组合时，可以将这个技巧与第 41 条（建议投资组合想法）和第 42 条（建议数据集）结合起来。

第九章：   解决故障问题

  1. 修正自己的 ChatGPT 代码

提示：你上面的代码是错误的。[指出错误之处]。你能再试一次吗？

图片资源 123图片资源 124

ChatGPT 能够迅速承认自己的错误并纠正代码。在上面的例子中，我要求 ChatGPT 创建一个 shell 命令。我意识到它实际上并没有运行，所以我指出了错误。ChatGPT 能够在第二次尝试时提供正确的代码。

如果你确切知道错误在哪里，这已经足够好了。但在你不知道错误在哪里的情况下，ChatGPT 可能无法准确指出错误所在。责任仍然在于程序员去解决问题。

  1. 修正 Python 代码

提示：请扮演一个软件开发者。这段代码应该实现[预期功能]。请帮助我调试这段无法运行的 Python 代码。[插入函数]

图片资源 125

我向 ChatGPT 提供了一个简单的错误函数，它能正确地告诉我为什么它是错误的。

  1. 纠正 SQL 代码

Prompt: 我想让你扮演一个 SQL 代码纠错者。这段代码在 [your DBMS, e.g. PostgreSQL] 中无法运行。你能为我纠正它吗？ [SQL 代码在此]

对简单查询的正确解释。然而，在进一步的测试中，我发现 ChatGPT 对复杂 SQL 查询的理解有些不足。它无法调试包含多个表的更复杂 SQL 查询。

  1. 解决 PowerBI 模型问题

Prompt: 我想让你扮演一个 PowerBl 模型师。这是我当前项目的详细信息。[插入详细信息]。你看到表格中有什么问题吗？

ChatGPT 能够为 PowerBI 模型提出相关的改进建议。它也承认了自己的不足（“没有更多上下文很难确定是否存在任何问题”）

Mathias Halkjær Petersen 与 ChatGPT 就此话题进行了愉快的交流。他展示了当提供更多上下文时，ChatGPT 能够有效地解决 PowerBI 模型的问题。它也能够相对独立地编写模型。

第十章：   编写 SQL

  1. 创建运行平均值

Prompt: 我想让你扮演一个数据科学家，为我编写 SQL 代码。我有一个包含两列的表 [插入列名]。我想计算[哪个值]的运行平均值。适用于 PostgreSQL 14 的 SQL 代码是什么？

ChatGPT 在这里确实提供了一个很好的回应！它正确地提供了创建运行平均值的 SQL 输出。它还提供了正确的解释和分解。

我有一个小贴士是向 ChatGPT 提供确切的 SQL 版本和风味。这允许它创建数据版本。

我鼓励从业者用他们自己的 SQL 问题测试 ChatGPT，看看它是否能创建正确的响应。

  1. 解决 Leetcode 问题

Prompt: 假设你被给出了以下表格…以及列…输出以下内容…

ChatGPT 能够解决一个关于 SQL 的入门级 Leetcode 问题（难度：简单）。上面的代码是合理的，并且正确地回答了问题。

然而，当我测试它时，它未能为中等难度的 Leetcode 问题生成可运行的 SQL 代码。

第十一章：   编写其他代码

  1. 编写 Google Sheets 公式

Prompt: 我想让你扮演一个生成 Google Sheets 公式的机器人。请生成一个满足以下要求的公式 [描述要求]

ChatGPT 在充当所有命令的查找表方面表现出色。正如你所见，我要求它提供一个函数，将一个工作表的内容放入另一个工作表中。它忠实地提供了正确的 importrange。

然而，再次强调，我选择了这个例子。当被要求提供更复杂的公式时，ChatGPT 失败了。特别是，我要求它提供一个输出 2023 年星期一数量的公式，但它未能生成一个有效的公式。尽管如此，它仍然自信地解释了它，好像它表现得非常出色。

  1. 编写 R 语言

提示：我希望你扮演一个使用 R 的数据科学家。你能编写一个满足以下要求的 R 脚本[插入要求]。

ChatGPT 确实擅长这个基本的 R 命令。这段代码运行并确实创建了所需的图表。

然而，请注意，我没有在 R 编码方面对 ChatGPT 进行广泛的测试。我可以想象它可能会在更复杂的情况下失败或生成错误的代码。

  1. 编写 Shell 脚本

提示：我希望你扮演一个 Linux 终端专家。请编写满足以下要求的代码[描述要求]。

这些是请求的指令的正确命令。它甚至提供了一行用于授予文件必要权限，而无需我明确要求。

然而，请注意，我从所有编写 shell 命令的提示中选择了这个例子。特别是，当我要求 ChatGPT 递归地复制文件夹中的文件时，它给出了一个无法执行的错误输出。为了辩护，它能够纠正自己的代码（参见“47. 纠正自己的 ChatGPT 代码”以上。）

  1. 编写 VBA

提示：我希望你扮演一个 Excel VBA 开发者。你能编写一个 VBA 函数[插入函数]吗？

第十二章：杂项

  1. 格式化表格

提示：我希望你扮演一个文档格式化者。请将以下内容格式化为一个漂亮的表格，以便我将其放入 Google Docs 中？[插入文本表格]

输出结果自见分晓。它能够将我从互联网上复制的一个表格转换成一个格式良好的表格。

然而，ChatGPT 无法对表格进行任何定制。我要求它更改颜色和字体，但它无法做到。

  1. 概括书籍

提示：我希望你扮演一个技术书籍概括者。你能用 5 个主要点概括书[name]吗？

Knaflic 的书是数据故事讲述技巧的宝库。我个人觉得摘要太泛泛而谈，没有充分捕捉到这些技巧。

  1. 概括论文

提示：我希望你扮演一个学术角色。请用一段话简单概括这篇论文[...]。

我让 ChatGPT 概括了一篇相对较旧的论文“从神经网络中提取知识”。它能够以相对直接和没有术语的方式解释最重要的概念。

然而，请注意，这是因为足够多的人已经写了对上述论文的评论或摘要。它将无法很好地概括不那么受欢迎的论文。

此外，ChatGPT 对 2021 年之后的世界的理解有限。因此，它将无法帮助你理解新的论文。

  1. 提供情感支持（我最喜欢的）

提示：我希望你能给我提供情感支持。[在此处解释问题。]

图片

好吧，我并不是心理学家，所以我不认为我有资格对此进行评判。话虽如此，我个人认为这是一个既富有同理心又实用的回应。它还显示了对于数据科学流程的良好理解。

结束语

ChatGPT 在解释事物和提供模板代码方面表现良好。然而，在调试或创建复杂代码片段时，它却显得力不从心。

ChatGPT 会取代数据科学家吗？不，我不这么认为。至少目前不会。然而，使用 ChatGPT 的人可能会。

posted @ 2026-04-03 22:19  布客飞龙I  阅读(19)  评论(0)    收藏  举报