一、写在前面

好久不更新咯!

OpenAI又推出了GPT的一系列重大更新,其中GPTs深得我心啊。

GPTs允许用户创建自定义的ChatGPT版本,以满足自己各种特定需求。其核心理念在于,用户可以为不同的场景和任务创建定制化的ChatGPT。这意味着您可以根据自己的需求,在日常生活、工作或娱乐中使用不同版本的GPT。无论是学术翻译、论文写作,还是数据分析,GPTs都可以根据您的指令和额外知识来满足您的需求。

更重要的是,你不需要学会编程,仅仅把需求组织好,告诉GPT即可,TA自动帮你生成一个个性化的APP。

本期,我展示一下我定制的单因素ARIMA建模GPT,目的在于让零基础者能使用最简单的ARIMA模型进行数据预测。

二、定制过程

具体定制教程不详细介绍了,网络一大堆。我个人觉得关键还是要把“咒语”写好,不然很容易出错的。

我的写法就是严格按照ARIMA模型的建模流程一步一步进行,每一步怎么详细怎么来,然后关键步骤附上参考的代码段。

三、第一轮测试

(1)直接上传数据

GPT自动读取数据,然后画出折线图,大致看看走势。

GPT会对数据进行大概的分析,比如有一些季节性、周期性等。

随后,会温馨提示:下一步你需要定义训练集和验证集。

(2)定义训练集和验证集

我这里定义的是2014-2011年作为训练集,2012年作为验证集。

随后,会温馨提示:下一步你需要做平稳性检验。

(3)平稳性检验

输出ADF检验结果,显示数据平稳(存疑哈)。

随后,会温馨提示:下一步你需要做ACF和PACF图。

(4)ACF和PACF图

输出ACF和PACF图。

随后,会温馨提示:下一步开始建模,ARIMA的这几个参数的范围需要你确认。

(5)ARIMA建模

既然说平稳,那就D和d取0,然后剩下四个参数取0到2即可。

自动根据AIC和BIC值,还有参数的P值进行筛选,找到最优模型。

随后,会温馨提示:下一步开始使用最优模型进行预测。

(6)最优ARIMA模型预测

训练集和验证集的预测结果见两个csv文档,可以下载使用。

随后,会温馨提示:下一步开始使用计算训练集和验证集的误差指标。

(7)计算性能指标

训练集和验证集的预测结果见两个csv文档,可以下载使用。

随后,会温馨提示:下一步开始使用计算最优模型的参数指标。

(8)计算最优模型的参数指标

(9)其他功能

以上是我给TA定制的关于构建ARIMA模型的规定步骤,你也可以根据具体情况对TA提要求,毕竟TA还是GPT的。

有能力的可以试试:https://chat.openai.com/g/g-KjtUx6Q0Z-jet-time-series-forecaster

四、写在最后

可以观察到,即便你对ARIMA建模的了解不甚深入,但在这个定制化的GPT指导下,仍能逐步掌握ARIMA建模的全过程。需要一定专业知识的部分主要包括准备数据、划分训练集与验证集,以及选择合适的参数范围。至于其他环节,只需简单输入‘继续’或‘是’即可轻松完成。

当然,这个GPT还有许多改进空间。例如,我可以让TA直接为我生成一个完整的模型预测报告,包含图表和相关描述,有点细思极恐。

今天的尝试只是初步探索,未来我会在实战应用中继续探索并分享更多心得。

参考阅读

评论可见,请评论后查看内容,谢谢!!!评论后请刷新页面。