[10分鐘搞懂機器學習] 用ChatGPT 撰寫Python 程式 線性迴歸
2024年3月22日
*請訂閱、按讚,支持內容創作者
*本系列影片主題為「趨勢、潛力預測」
*想要了解本影片背後的學理基礎? https://youtu.be/9tV5Ogaa_n8
今天要討論的是數值預測的程式撰寫
這個單元是接續前一個單元
在你瞭解數值預測的方法
線性回歸以後
我們想要知道怎麼樣用程式
快速的實現數值預測的演算法
那首先呢
我們先確認一下你是不是需要看這個影片
通常兩種人需要看
第一個就是你對程式撰寫特別有興趣的人
你可能是業餘的愛好者
或者是你在工作需要常常會碰到程式
你希望去把你程式的觸角
可以觸及人工智慧這一塊
第二個當然就是你是非常專注在
人工智慧系統開發的相關工作
你就需要知道程式上要怎麼去撰寫
除此以外
大部分的時間
你是不需要知道怎麼去寫程式的
那在我們開始之前呢
你必須要有兩個準備動作
第一個你必須要有Google的帳號
你只要申請一個Gmail
你就會有一個Google的帳號
第二個你要有Chart GPT的登入
那你也是一樣
你可以使用Facebook
或者是Microsoft的Email來去做登入
接下來你打開Chart GPT的頁面
你在輸入的提示單裡面
你可以把你想要產生的程式碼
直接寫出來
以這個例子來講
我們就是要產生線性回歸的範例
還有Python程式碼
好接下來呢
Chart GPT就會簡單的把程式碼產生出來
在產生的過程
它會告訴你這個範例
它是怎麼樣去進行的
它首先產生了一個隨機的數據集
這邊就是我們講的資料
然後呢
它會初始化一個線性回歸模型
就是要找我們的model
我們的模型
最後再把這些模型
還有數據在二維空間裡面印出來
我們現在在這邊有Copy Code
就把我們的程式碼去做複製
然後你到你的Gmail的帳號
在你圖示的左手邊
會有Google的應用程式
你把它點一下
到雲端硬碟
好在雲端硬碟的時候
如果你是第一次使用的話
你要在更多連結
更多應用程式這邊
找到可以執行Python程式碼的應用程式
這個平臺叫做CodeLab
那因為我已經使用過了
所以已經安裝過了
如果你沒有的話
你這邊要點一下安裝完畢
你纔可以做使用
假設你已經安裝好了以後
你這邊點一個右鍵
然後這邊有Google Collaboratory
就可以打開一個視窗
視窗打開以後呢
這邊有寫開始使用AI編寫或生成程式碼
你當然也可以在這邊去輸入文字
請AI幫助你自動產生程式碼
但是根據我的經驗來講
Chart GPT比較容易去讀懂
我們的輸入的資訊
所以用Chart GPT產生程式碼會比較簡單一些些
好把剛才的程式碼直接複製過來
然後這邊有一個箭頭按一下
就是執行
你會發現它會需要一點時間
纔有辦法把最後的圖產生出來
並不是說你的程式非常的大
需要耗費很多的資源來去做計算
而是因為它的做法是
你寫好了程式
它會把程式碼寄送到它後端的平臺上
計算完以後再把結果再傳回來
所以它其實是程式碼的傳輸時間
並不是程式碼的執行時間
好接下來你就看到
你就產生出來的線性回歸的圖形了
我有100個點
然後這100個點產生的模型
就是紅色線的部分
那這邊有些地方你可以自己稍微去做更動一下
比如說它在這個區塊就是生成隨機數據集
那這邊的方法就是它先找一個直線
這個直線叫做3x加4
然後再加上一些隨機的噪音
那你的噪音也可以去控制它的大小
這邊是乘上1
你可以乘上比如說10
那你應該可以預期待會這底下的點
應該就會更雜亂
好我們看一下
我把這個隨機噪音產生10
你可以發現
哇它這個基本上這個模型看起來
就不是你可能那麼好了
所以你在這邊可以去控制你的資料的分散程度
那我這邊把它改成5
就稍微看起來是好一點點
那你當然也可以去使用其他的功能
比如說你可以用不一樣的隨機分佈
來去改變你的資料的型態
那在實作上呢
你的資料通常是來自你的資料庫
或者是你的調查的結果
我們這邊為了方便起見
是使用電腦來隨機產生一些亂數
再使用亂數當作你的資料
來去做線性回歸
如果你有興趣的話
你也可以看一下這邊的一些說明
比如說它把程式分為幾個部分
第一個部分是營要必要的函式庫
這什麼概念呢
比如說你今天要蓋個房子
你就需要有一些相關的工具
那你不會需要什麼工具
就去很遠的地方拿
你都會把這所有的工具
都把它搬到你的工地
你在使用上就會比較方便
所以這邊第一個段落
引用必要的函式庫的目的就是這樣子
它先把相關的一些函式庫
把它引用進來
接下來待會要用的時候
就直接去使用就可以了
這是第一個部分
再來第二個部分呢
隨機生產的數據庫
就我剛剛說的
因為我們沒有實際的資料
所以我們是讓電腦隨機產生一些資料出來
第三個部分就是利用
它的函式庫裡面的線性回歸模型
把它初始化
然後第四個部分
我們剛纔不是產生了隨機數據
這個數據是用x和y來代表
所以現在我把這個x和y
x就是我的特徵
y就是我的輸出
利用這兩個這些數據
去產生我的model
去產生我的模型
就是紅色那一條線
那接下來剩下兩塊就更容易理解
就是將我的數據還有的模型
去把它在二維空間中匯出來
這邊還有一個一塊
是說要把模型和係數的間距把它印出來
你會看到這邊有告訴你
斜率是多少
截距是多少
這在幹嘛呢
因為我們知道這是一條直線
它是y等於ax加b的形式
我這邊註明一下
是y等於ax加b的形式
所以我的a就是我的斜率了
我的b就是我的截距
所以它告訴你為了要符合這些資料
我的模型
我的a和b是我要決定的模型參數
我的a就是我的斜率
就是2.84
我的b就是我的截距
就是大概是5.11
所以這個模型的a是2.84
截距是5.11
那你就完成了
二維空間中一個特徵
然後一個輸出的線性回歸
第二個範例我們要讓ChartGPT
產生多項式回歸的範例
還有Python的程式碼
所以一樣我們在這邊去輸入相關的提示
然後請ChartGPT幫我們生成
如果你有興趣的話
你可以稍微看一下它在說明
它說呢
它產生了一個隨機的數據
即x和y
就是我們的資料
然後它使用Polynomial Feature
就是多項式的特徵
來將特徵的x轉換成多項式
那這邊的次數是2
就是20多項式
也就是我們拋物線的形狀
接下來它會促使化一個回歸模型
最後將把這一些的模型
還有數據把它印出來
好,你現在可以把程式碼這邊Copy Code
把程式碼複製起來
然後再轉移到我們剛纔打開的
Collab的一個介面
你可以把原本的刪掉
然後再複製一次再做執行
當然你也可以在底下
去產生新的介面
然後你可以繼續測試這個程式碼
按一下這邊的三角形去執行
箭頭去執行
你會發現它看起來
不太像是二次函數的樣子
主要是因為它這邊的資料產生
是從-1到-1之間
所以換句話說它非常的窄
所以原本應該是拋物線
在那麼窄的範圍看起來就像一條直線
你有兩種方式可以讓你看得出來
它是拋物線的樣子
第一種是直接在程式碼這邊去做一點修改
如果你可以看得懂程式碼的話
我們在這邊是原本是長長2
它原本是0到2之間
再減掉1
所以是-1到1之間的隨機變數
那你現在可以把它放大一點
讓它跑整個資料分佈的範圍長一點
所以比如說我們這邊升上了15
我們看一下這個效果怎麼樣
你可以看到現在就已經從0到14了
但是我這邊的模型它只畫到-1到1之間
所以你要稍微看一下我模型畫的範圍在哪裡
事實上可以控制模型的範圍是在這邊
它這邊還是放到-1到1
我們一般在寫程式會希望說
我們改個地方
其他地方就跟著改
不然的話我們常常會遇到這種狀況
所以其實你可以
比如說我們用一個新的變數叫Xrange
我們定一個新的變數叫Xrange叫做15
所以這個時候呢
我資料的生成就是乘上這個Range
乘上這個範圍15
然後我畫圖的時候也是從-1到15
取100個點
好那我們看一下
經過我們修改後
好就可以看得出來
這時候我的資料跟我們模型都是非常接近的
那因為我們的雜訊是比較小
所以它比較貼近我的曲線
我的模型
如果你記得把它雜訊大一點
比如說這邊雜訊乘上7
畫每個雜訊都乘上7的話
它就會離開我們的這個模型稍微遠一點點
所以當我雜訊越大
我能找到比較適合直線
資料就會跟它分離比較遠一點點
如果雜訊比較小
那它就會貼我的模型稍微近一些些
另一種方式你就是回到ChartGPT
然後從剛才的輸入我們再增加一行
你讓特徵值的數值範圍從0到15
那麼看一下ChartGPT是不是可以
幫我們去產生我們需要的數據範圍出來
看一下它已經從0到15了
所以應該是沒有問題的
我們看一下畫圖的情形
我們把這個程式複製下來
回到剛才的程式的頁面
我們新開一個程式碼
然後貼上剛才的結果
讓它執行一下
的確它已經幫我們把它的範圍從0改到15
所以就看得出來是一個曲線的樣子

