AI论文指南：ChatGPT如何帮我突破数据分析瓶颈【建议收藏】

小编在之前的论文写作流程中，介绍了大量论文文字工作，今天小编使用Excel表格数据集，给宝子们演示一下ChatGPT如何助力论文论证过程中的数据分析。

一篇令人信服的学位论文，应当有新颖、适当的论证视角，选择恰当的研究方法，搭建逻辑严密、平衡的论证框架，把具有说服力的数据分析紧密结合起来，这样一篇论文将具有逻辑严密的论证过程。

首先介绍一下数据集，数据集我在Kaggle上下载了一个房价预测的数据集。具体使用到的有两个文件。

——————————————————-

其中[data_description.txt]文件主要是对数据集中每一列的描述。

——————————————————-

[train.csv]就是今天案例所用到的数据集了。

我们先让ChatGPT对数据做一下特征工程。

特征工程（Feature Engineering）是数据预处理和机器学习领域中的一个重要步骤。它涉及到从原始数据中选择、修改和创建新的特征（即数据的属性或变量），以便更好地适应机器学习算法的需求，并最终提高模型的性能。特征工程的主要目的是使原始数据集更适合用于建模和分析。

提示词：

根据data_description.txt对数据集的描述

对Train.csv进行特征工程

让ChatGPT对数据做Exploratory data analysis (探索性数据分析)。

探索性数据分析（Exploratory Data Analysis，简称EDA）是数据分析的一种方法论，它侧重于使用各种技术来大致理解数据集的主要特征。这个过程通常是数据分析项目的初步步骤，旨在通过摘要和可视化手段来发现数据的模式、异常、关键变量和潜在的关系。

提示词：

根据特征工程后的数据，对数据集进行Exploratory data analysis (探索性数据分析)

最后我们让ChatGPT对数据集中对房价影响最大的15种数据进行相关性分析。

提示词：

提取对房屋销售价格影响最高的15个特征做相关性分析。

最后我们让ChatGPT对分析过程做一个总结。ChatGPT做数据分析也相当简单，而且生成的图表也可直接用于论文辅佐论点的论证！

提示词：

站在一个[数据分析师]的角度 对上述分析过程做一个总结。

小编近期入手了中国人民大学刘东教授发布的《AI写作指南》，这本书非常棒，详细描述了AI工具在写作中的应用，合理全面并且指明了各类注意事项，给了小编非常多的启发。是一本非常值得入手的AI工具书。拥抱时代才是正确的选择，后续小编也会根据书中一些内容，整理成实战教程，详细给宝子们介绍一下论文写作过程中人大教授是如何合理指导大家使用AI工具的！

面对AI与论文写作，我们在头疼什么？

点亮未来AI时代论文写作的科技树

“985”高校副教授、中国人民大学青年杰出学者

刘东

美国威斯康星大学-麦迪逊分校博士，中国人民大学新闻学院副教授，中国人民大学青年杰出学者。主攻量化研究方法，在心理学、新闻传播学、教育学、社会学等多个社会科学领域的国内外权威期刊上以第一作者身份发表SSCI论文20多篇，平均影响因子7分以上，谷歌学术被引次数超1000次。