数秒で見事なデータビジュアライゼーションを作成するためにChatGPTを使いましょう
数秒で驚くべきデータビジュアライゼーションを作成するためのChatGPTの活用方法
イントロダクション
データの扱いに携わる人にとって、データの可視化は重要なスキルです。しかし、美しく情報を提供するデータの可視化は時間がかかり、専用のツールが必要になることがあります。それがChatGPTの役割です。最新のアップデートにより、ChatGPTは従来よりもデータの可視化をより速く簡単に行うことができるようになりました。
最新のアップデートにより、ChatGPTの体験は大幅に向上しました。今では、従来のGPT-4や高度な分析を可能にしたGPT4、またはDALLE-3のようなさまざまなオプションを切り替える必要はありません。代わりに、プロンプトを入力するだけでChatGPTは自動的に要求を解釈し、求められた結果を生成します。 
このブログ投稿では、プレーンな英語のプロンプトを使用して即座にさまざまなデータの可視化を生成する方法を探ります。ChatGPTの高度なデータ分析のおかげで、データを処理したりPythonのコードを実行する必要はありません。単純なパイチャートや棒グラフから始め、実際のデータセットを使用したより複雑な可視化までを解説します。
シンプルな可視化
この部分では、プロンプトを作成してプロットを生成します。プロンプトにはPythonの辞書形式でのデータが含まれます。
パイチャート
プロンプトを作成する前に、可視化を生成するためにはGPT-4モデルを使用していることを確認してください。なぜなら、可視化の生成をサポートする唯一のモデルです。
さまざまな栄養素データに基づいてパイチャートの可視化を生成するためのプロンプトを作成します。さらに、デフォルトの色がかなり明るいため、ChatGPTによるより軽い色の組み合わせの使用を要求しました。
プロンプト: 値 {"ビタミンA":5, "ビタミンB": 1, "ビタミンC": 4, "水分": 90} のパイチャートを生成し、色の組み合わせは明るくしてください。
<p表示される通り、素晴らしい結果が得られました。
可視化のPythonコードを表示したい場合は、結果の末尾のターミナルのロゴをクリックする必要があります。
その後、自分自身で変更や実行ができるソースコードが表示されるウィンドウが表示されます。ただし、この手順は必須ではありません。ChatGPTは単にコードを実行し、画像として可視化を表示します。これらの画像はプレゼンテーションやレポートに保存できます。
バーチャート
次の部分では、車のCO2排出データを提供し、ChatGPTにマジックを行わせます。
プロンプト: 値 {"車A":30, "車B": 25, "車C": 20} のCO2排出のバープロットを生成してください。
タイトル、x軸とy軸のラベルが追加され、降順に表示されました。完璧です！！！
探索的データ分析
ChatGPTの出力を過度に制御する代わりに、Python AutoVizライブラリのように独立して結果を生成するようにお願いすることもできます。単にデータセットを提供し、完全な探索的データ分析を要求してレビューするために必要なプロットを生成するようにおくれば良いのです。
今回は、消費者の行動や購買パターンに関する貴重な情報を提供する顧客のショッピングトレンドデータセットを提供しています。
Prompt: 顧客のショッピングトレンドデータセットに対して探索的データ分析を実行し、プロットのみを表示してください。
ChatGPTは迅速な結果を提供し、通常では30分以上かかる処理と顧客のトレンドを分析を始めとするタスクを1分未満で処理しました。
表示結果を改善するために、興味のある可視化の種類に関する追加のプロンプトを提供することができます。
Prompt: 相関チャート、棒グラフ、円グラフ、ボックスプロット、リレープロットをプロットして分析を改善します。
複数階層の複雑な可視化を表示したい場合は、明示的にChatGPTにリクエストする必要があります。
Prompt: データセットを使用して様々な複雑な可視化をプロットしてください。
モデル評価
データ可視化はモデル評価において重要な役割を果たします。このセクションでは、KaggleのDiabetes Datasetを使用し、ChatGPTに複数のモデルのトレーニングと評価を依頼します。ChatGPTの機能を最大限に活用するために、混同行列、適合率-再現率、さらには異なるモデルを比較するチャートを表示してもらいます。
Prompt: 目的変数「Outcome」を使用して複数の機械学習モデルをトレーニングし、混同行列、適合率-再現率、モデル比較チャートを含むモデル評価可視化を生成してください。
ChatGPTは非常に優れた結果を示しました。モデルの性能がデータセットでは良くなかったとしても、高速で正確なデータ可視化の能力に感銘を受けました。データセットの迅速な分析や面接や課題の回答時の質問に利用することができます。
結論
ChatGPTは、簡単な英語のプロンプトを使用して、簡単にデータ可視化を作成する方法を革新しました。
この記事では、ChatGPTが円グラフ、棒グラフ、相関行列、relplotのような様々なプロットをリクエストに応じて瞬時に生成できる方法を学びました。
また、ChatGPTにDiabetesデータセットでMLモデルをトレーニングし、評価メトリクスと比較プロットを生成するという要求に対しても期待を上回りました。モデルの構築と可視化プロセス全体にかかった時間はほんの数分でした。
簡単な棒グラフ、高度なモデル分析、またはデータセット理解のためのクイックな方法が必要な場合、ChatGPTは最小限の努力で優れた結果を提供します。毎日機能が改善されていく中、このAIアシスタントを活用してデータ可視化スキルを向上させることは、非常にエキサイティングな時間です。
****[Abid Ali Awan](https://www.polywork.com/kingabzpro)****（@1abidaliawan）は、機械学習モデルの構築が大好きな認定データサイエンティストです。現在はコンテンツ作成と機械学習とデータサイエンス技術に関する技術ブログの執筆に注力しています。Abidはテクノロジーマネジメントの修士号と通信工学の学士号を持っています。彼のビジョンは、精神疾患に苦しむ学生に向けてグラフニューラルネットワークを使用したAI製品を構築することです。
</p表示される通り、素晴らしい結果が得られました。
We will continue to update VoAGI; if you have any questions or suggestions, please contact us!
Was this article helpful?
93 out of 132 found this helpful
Related articles
