一个内接gpt的数模工作台——科技改变数模格局

 一网址简介

     本质上这是一个利用gpt进行辅助数学建模的一个网站,该网站的特色在于可以结合赛题,与数据进行分析与建模。gpt就把屠龙宝剑,建模水平的不同,能发挥出它的作用也不同。网站如下,网站首页有教程

http://freesgpt.cn

二使用简介

  网站主页面

  以2023年国赛c题为例。上传附件前需要截取数据的表头和前几行即可,否则文件太大gpt不会处理。

然后可以按自动分析一键分析,或者一步一步根据自己的需要请求。

向其描述自身需求,辅助代码的编写,它会给你一个大致的框架,导入数据,或者部分细节需要自己修改。以下都是gpt数据可视化的结果,附上调试好的代码。

 数据清洗,分类汇总后的数据格式

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt


# 读取数据并创建DataFrame
category_month = pd.read_excel('./品类.xlsx')  # 替换为您的数据文件路径
# 指定品类列名
category_columns = ['花菜类', '花叶类', '辣椒类', '茄类', '食用菌', '水生根茎类']
category_month['销售日期'] = pd.to_datetime(category_month['销售日期'])
category_month['月份'] = category_month['销售日期'].dt.month
category_month = category_month.melt(id_vars=['销售日期', '月份'], value_vars=category_columns, var_name='品类', value_name='销售量')

light_palette = sns.color_palette("bright")  # 使用pastel调色板来获得浅色调
sns.set_palette(light_palette)
plt.figure(figsize=(10, 6))
sns.boxplot(data=category_month, x='月份', y='销售量', hue='品类', showfliers=False)
plt.legend(loc='upper left')
plt.title('各品类蔬菜在各个月份销售量分布',fontsize=20)
plt.xlabel('月份',fontsize=16)
plt.ylabel('销售量',fontsize=16)
plt.savefig('各品类蔬菜在各个月份销售量分布.png')
plt.show()

各个菜品单日的销量数据绘制成热力图,仅展示相关性大于0.4的 

import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd

single_item=pd.read_excel('./单品.xlsx',index_col='销售日期')
# 计算斯皮尔曼相关系数
spearman_corr = single_item.corr(method='spearman')

# 选择要显示的标签数量
max_labels = 40 # 假设你只想显示10个标签

# 提取相关性系数最高的标签
top_labels = spearman_corr.abs().sum().nlargest(max_labels).index

# 提取子矩阵
sub_matrix = spearman_corr.loc[top_labels, top_labels]
sub_matrix[np.abs(sub_matrix) < 0.4] = 0

# 绘制热力图
plt.figure(figsize=(10, 8))
sns.heatmap(sub_matrix, cmap="Greens", annot=False, square=True)
plt.title("菜品销售量热力图",fontsize=20)
plt.xticks(range(len(sub_matrix.columns)), sub_matrix.columns, rotation=90)
plt.yticks(range(len(sub_matrix.columns)), sub_matrix.columns)
plt.savefig('菜品销售量热力图.png')
plt.show()

 三结语

    GPT(Generative Pre-Trained Transformer,生成式预训练的转化模型)势必改变日后人类学习知识的方式与格局。

  该工作平台在2023.10.20-2023.10.24期间,gpt4的调度(即专业版)免费,大家可以去试试玩玩。

  • 1
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
训练一个自己的GPT模型通常需要以下步骤: 1. 数据收集:首先需要收集大量的文本数据,这些数据应该与你想要训练的GPT模型的任务相关。例如,如果你想要训练一个针对英文新闻文章的GPT模型,那么你需要收集大量的英文新闻文章。 2. 数据清洗和预处理:在训练GPT模型之前,必须对数据进行清洗和预处理。这可能包括去除停用词、标点符号和其他噪声数据。 3. 训练语言模型:使用已有的语言模型(如GPT-2或BERT)或从头开始构建一个语言模型。语言模型的训练通常使用神经网络,例如循环神经网络(RNN)或转换器(Transformer)架构。 4. 微调模型:微调模型是指使用特定任务的数据对模型进行进一步训练,以便模型可以更好地执行该任务。例如,如果你想要训练一个用于情感分析的GPT模型,那么你需要使用情感分析数据对模型进行微调。 5. 模型评估和优化:最后,你需要评估你的模型的性能,并对其进行优化。你可以使用各种评估指标(如困惑度或准确性)来评估模型的性能,并尝试使用不同的优化技术来提高模型的性能。 需要注意的是,训练一个GPT模型需要大量的数据和计算资源,因此这是一个非常耗时和昂贵的过程。如果你没有足够的经验和资源来训练自己的GPT模型,那么你可以考虑使用已有的语言模型并进行微调,以便模型可以更好地执行你的任务。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值