Automatisches Training von Klassifikationsmodellen
Befehlsformat
Ich habe einen [ Name des Datensatzes ] Datensatz, schreibe ein maschinelles Lernmodell in Python, das [ Name der Tabellenspalte ] vorhersagt.
Beispiele für Befehle
Ich habe einen [ Iris ]-Datensatz und schreibe ein maschinelles Lernmodell in Python, das [ Typen ] vorhersagt.
Automatisierte Datenexploration
Befehlsformat
Ich habe einen [ Datensatzname ] Datensatz, bitte schreiben Sie den Code für die Datenvisualisierung in Python
Beispiele für Befehle
Ich habe einen Datensatz [ Benutzerabwanderung ], bitte schreiben Sie den Code für die Datenvisualisierung in Python
Automatische Datengenerierung
Befehlsformat
Beispiele für Befehle
Ich muss eine zufällige Dummy-Daten zu generieren, stellen Sie bitte eine zu generieren [ 1000 ] Reihen.[ 4 ] Kolumnen. [ "Kartennummer", "Kreditrahmen", "Verspätet oder nicht", "Kartenlänge" ] Python-Code
Automatisches Schreiben von regulären Ausdrücken
Befehlsformat
Bitte helfen Sie mir, eine Regex in Python zu schreiben, um Zeichenketten zu entsprechen, die die folgenden Bedingungen erfüllen:<font color="#0000dd">[ Übereinstimmende Bedingungen ]
Beispiele für Befehle
Bitte helfen Sie mir, eine Regex in Python zu schreiben, um Zeichenketten zu entsprechen, die die folgenden Bedingungen erfüllen:[ Enthält die Wörter "Maschine" und "Lernen" und endet mit einem Ausrufezeichen ]
Training von Zeitreihenmodellen
Befehlsformat
Ich habe eine lokale Kopie. <font color="#0000dd">[ Datensatzbeschreibung ] Zeitreihendatensatz, schreiben Sie ein maschinelles Lernmodell in Python, das die Transaktionspreisspalten vorhersagt <font color="#0000dd">[ tags ]Bitte verwenden Sie <font color="#0000dd">[ Trainingsset Beschreibung ] als Trainingsmenge, unter Verwendung von <font color="#0000dd">[ Validierungsset Beschreibung ] als Validierungssatz**
Beispiele für Befehle
Ich habe eine lokale Kopie. [ 2010/01/01 bis 2020/01/17 ] Schreiben Sie für den Apple-Aktienkurs-Zeitreihendatensatz ein maschinelles Lernmodell in Python, das die Kursspalten von [ Schließen ]Bitte verwenden Sie [ 2010/01/01 bis 2018/12/31 ] als Trainingsmenge, unter Verwendung von [ 2019/01/01 bis 2020/01/17 ] Als Validierungsset
Anpassung der Ungleichgewichtsdaten
Befehlsformat
Ich habe unausgewogene Daten, auf denen ich ein maschinelles Lernmodell trainieren muss, und die Vorhersagevariablen sind <font color="#0000dd">[ Zielvariable ]Wie kann ich in Python ein Oversampling oder Undersampling meiner Daten durchführen?
Beispiele für Befehle
Ich habe unausgewogene Daten, auf denen ich ein maschinelles Lernmodell trainieren muss, und die Vorhersagevariablen sind [Rauchen]Wie kann ich in Python ein Oversampling oder Undersampling meiner Daten durchführen?
Erlangung der Merkmalsbedeutung
Befehlsformat
Ich habe eine <font color="#0000dd">[ Modelltyp ]Bitte helfen Sie mir, Python-Code zu schreiben, um die wichtigsten Funktionen herauszufinden.
Beispiele für Befehle
Ich habe eine [ Entscheidungsbaum-Modell ]Bitte helfen Sie mir, Python-Code zu schreiben, um die wichtigsten Funktionen herauszufinden.
Automatisierte Datenvisualisierung
Befehlsformat
Beispiele für Befehle
Ich habe einen Datensatz. [ smoking.csv ]enthält Spalten:[ "Rauchen", "Geschlecht", "Alter" ... usw.]Ich möchte, dass Sie mir helfen, ein Diagramm zur Datenvisualisierung zu zeichnen.[Diagramm, das die Korrelation zwischen den Merkmalssäulen und der Frage, ob sie "rauchen" oder nicht, zeigt; bitte verwenden Sie dazu Matplotlib, und helfen Sie mir bitte, ein attraktives Farbschema und eine geeignete Größe für den Bericht zu wählen].
Erstellen eines NumPy-Arrays
Befehlsformat
Beispiele für Befehle
Ich möchte, dass Sie als Datenanalyst mir helfen, ein NumPy-Array in Form von ( 3, 4, 10 )Bitte klicken Sie auf den folgenden Link [ 1 bis 10 ] Erzeugen Sie zufällig die Anfangswerte des Arrays zwischen und geben Sie sie aus
Validierung von Merkmalsspalten
Befehlsformat
Beispiele für Befehle
Prüfen Sie meinen Datensatz [ haus.csv ] Im Falle des Vorhandenseins von [ Doppelte Zeilen, Nullen und andere illegale Zeichen ]Wenn [ Ja ]bitte [ Zusammenzählen und entfernen ]