ChatGPT數據分析（視頻案例版）
文之易、蔡文青、屈秀偉
- 出版商: 清華大學
- 出版日期: 2024-10-01
- 售價: $539
- 貴賓價: 9.5 折 $512
- 語言: 簡體中文
- ISBN: 7302673519
- ISBN-13: 9787302673514
-
相關分類:
ChatGPT、Data Science
立即出貨 (庫存 < 3)
相關主題
商品描述
"ChatGPT能夠輔助用戶完成從數據收集、預處理、分析到報告撰寫的全過程，大大降低了數據分析的門檻。 本書共分為 12 章，內容包括ChatGPT 的註冊與登錄、提示詞的設計、GPTs、數據的收集與預處理、特徵工程、各類數據分析方法（包括對比分析、分組分析、回歸分析、分類分析和聚類分析等）、數據可視化，以及如何利用 ChatGPT 撰寫數據分析報告等。每章都提供了豐富的示例和實用技巧，旨在幫助讀者掌握利用ChatGPT 進行數據分析的方法，提高數據處理和分析的效率。 《ChatGPT數據分析（視頻案例版）》適合數據分析師、市場研究人員、高校師生、科研人員以及任何對數據分析感興趣的讀者。通過閱讀本書，讀者不僅能學習到如何使用 ChatGPT 進行數據分析，還能深刻理解數據分析的核心概念和應用場景，從而在實踐中更加游刃有餘。"
目錄大綱
目錄
第 1 章 認識 ChatGPT
1.1 註冊與登錄 001
1. 註冊前準備條件 001
2. 註冊流程 001
3. 登錄 004
1.2 升級計劃 005
1. 登錄 ChatGPT 005
2. 選擇升級計劃 006
3. 升級至 Plus 套餐 007
4. 升級至 Team 套餐 007
1.3 基本功能 008
1. 核心功能區域 008
2. 左側輔助功能區 009
1.4 GPTs 014
1.GPTs 界面介紹 014
2. 常用 GPTs 016
3. 創建專屬 GPT 017
4. 配置額外信息 019
5. 預覽和保存 GPT 020
6. 使用 GPT 020
第 2 章 ChatGPT 提示詞
2.1 提示詞結構與設計原則 021
1. 提示詞的構成 021
2. 提示詞的設計原則 022
2.2 提示詞的設計技巧 023
1.“以……形式”獲得回復 023
2.“以……風格”輸出結果 023
3. 限制生成內容 024
4. 設定特定角色 025
5. 少樣本學習 027
6. 種子詞提示 028
7. 鏈式思考（CoT）提示 step by step （分步驟） 029
8. 指定受眾 030
9. 應用 80/20 法則 031
10. 啟用 browsing 搜索 033
11. 雙向交流式提示詞 034
2.3 提示詞優化器 035
1. 優化前提問 037
2. 優化後提問 037
第 3 章 ChatGPT 與數據分析
3.1 數據分析概述 039
1. 數據分析的定義 039
2. 數據分析的 3 種類型 039
3. 數據分析的步驟 043
4. 數據分析的應用 043
3.2 傳統數據分析工具 044
1. 通用數據分析和統計工具 044
2. 數據可視化工具 045
3. 大數據分析工具 046
4. 專業統計分析軟件 047
5. 數據清洗和轉換工具 048
3.3 ChatGPT 在數據分析全周期的
應用 049
1. ChatGPT 助力高效學習數據
分析知識 049
2. ChatGPT 助力數據分析崗位面試 050
3. 利用 ChatGPT 對數據分析職位
進行深入理解與分析 050
4. ChatGPT 在數據分析 OKR 中
的作用 051
5. ChatGPT 在數據分析中的
全方位運用 051
第 4 章 利用 ChatGPT 收集數據
4.1 如何收集數據 053
1. 數據收集的註意事項 053
2. 收集數據的原則 054
3. 收集數據的方法 055
4. 收集數據的流程 056
4.2 利用 ChatGPT 生成模擬數據 057
1. 生成測試數據 058
2. 編寫生成數據的程序 060
3. 數據增強 062
4.3 利用 ChatGPT 設計調查問捲 063
4.4 利用 ChatGPT 抓取數據 065
1. 借助 GPT 零代碼抓取數據 065
2. 借助 ChatGPT 生成抓取數據的程序 068
第 5 章 利用ChatGPT進行數據預處理
5.1 利用 ChatGPT 進行數據清洗 071
1. 數據清洗的基本概念 071
2. 使用 ChatGPT 進行數據清洗 072
3. 利用 ChatGPT 編寫清洗數據的代碼 076
5.2 利用 ChatGPT 進行數據轉換 078
1. 非結構化數據轉換 078
2. 數據格式轉換 080
3. 數據類型轉換 083
4. 數據規範化 085
5.3 利用 ChatGPT 進行數據集成 088
5.4 利用 ChatGPT 進行數據脫敏 092
1. 數據脫敏的應用場景 093
2. 數據脫敏的常見方法 093
第 6 章 利用 ChatGPT 進行特徵工程
6.1 特徵工程概述 096
1. 什麽是特徵 096
2. 什麽是特徵工程 097
6.2 利用 ChatGPT 進行特徵選擇 098
1. 利用 ChatGPT 選擇特徵 099
2. 利用 ChatGPT 生成選擇特徵的代碼 103
6.3 利用 ChatGPT 進行特徵衍生 105
1. 手動特徵衍生 105
2. 批量特徵衍生 108
6.4 利用 ChatGPT 進行特徵降維 110
1. 基本概念 110
2. 利用 ChatGPT 進行 PCA，實現
特徵降維 112
3. 利用 ChatGPT 進行 LDA，實現特徵降維 116
第 7 章 利用 ChatGPT 分析數據
7.1 利用 ChatGPT 進行對比分析 121
7.2 利用 ChatGPT 進行分組分析 124
1. 數量指標分組 125
2. 屬性指標分組 128
7.3 利用 ChatGPT 進行交叉分析 130
1. 二維交叉分析 130
2. 多維交叉分析 133
7.4 利用 ChatGPT 進行相關性分析 135
1. 相關性系數 135
2. 相關性分析適用的情況 136
3. 相關性分析的步驟 136
4. 利用 ChatGPT 進行相關性分析 136
7.5 利用 ChatGPT 進行象限分析 142
1. 概念 142
2. 利用 ChatGPT 進行象限分析 142
7.6 利用 ChatGPT 進行漏鬥分析 145
1. 基本概念 145
2. 漏鬥分析的分類 146
3. 漏鬥分析的應用場景 147
4. 漏鬥分析的步驟 150
5. 利用 ChatGPT 進行漏鬥分析 150
7.7 利用 ChatGPT 進行 SWOT分析 153
1. 如何使用 SWOT 153
2. SWOT 應用場景 154
3. 利用 ChatGPT 進行 SWOT 分析 154
7.8 PEST 分析 157
1. PEST 分析的用途 157
2. 利用 ChatGPT 進行 PEST 分析 158
第 8 章 利用ChatGPT進行數據可視化
8.1 如何進行數據可視化 166
1. 數據關系類型 166
2. 高質量圖表的特徵 167
3. 製作圖表的基本原則 167
4. 數據可視化流程 168
8.2 利用 ChatGPT 繪制構成類圖表 168
1. 餅圖 169
2. 南丁格爾玫瑰圖 171
3. 旭日圖 173
4. 瀑布圖 174
8.3 利用 ChatGPT 繪制比較類圖表 177
1. 柱狀圖 178
2. 條形圖 182
3. 棒棒糖圖 185
4. 啞鈴圖 187
5. 雷達圖 189
6. 詞雲 191
8.4 利用 ChatGPT 繪制趨勢類圖表 192
1. 折線圖 192
2. 面積圖 195
3. 蠟燭圖 199
8.5 利用 ChatGPT 繪制分佈類圖表 200
1. 直方圖 200
2. 箱形圖 202
3. 小提琴圖 205
4. 莖葉圖 207
8.6 利用 ChatGPT 繪制關系類圖表 209
1. 散點圖 209
2. 熱圖 215
3. 桑基圖 216
第 9 章 利用ChatGPT進行回歸分析
9.1 如何進行回歸分析 220
1. 自變量與因變量 221
2. 虛擬變量 221
3. 線性與非線性 221
4. 一元與多元 221
5. 回歸模型的分類 222
6. 回歸模型的選擇 223
7. 回歸模型的優缺點 224
9.2 利用 ChatGPT 進行線性回歸 225
1. 線性回歸模型的基本形式 225
2. 線性回歸的主要目的 225
3. 多元線性回歸的假設 225
4. 模型擬合和評估 225
5. 應用 226
6. 多元線性回歸的流程 226
9.3 利用 ChatGPT 進行非線性回歸 237
1. 非線性回歸的特點 237
2. 非線性回歸的實現步驟 237
3. 利用 ChatGPT 進行多項式回歸 237
9.4 利用 ChatGPT 處理共線性問題 246
1. 共線性的影響 246
2. 共線性的檢測 247
3. 解決共線性的方法 247
4. 利用 ChatGPT 解決共線性問題 247
5. 利用嶺回歸解決共線性問題 247
第 10 章 利用 ChatGPT 進行分類分析
10.1 常用分類算法與模型評價 251
1. 算法與技術 251
2. 應用場景 253
3. 模型評價 254
10.2 利用 ChatGPT 進行文本分類分析 255
10.3 利用 ChatGPT 進行決策樹分類分析 259
1. 基本概念 259
2. 構建過程 259
3. 使用決策樹進行數據分類 260
4. 利用 ChatGPT 進行決策樹分類分析 260
10.4 利用 ChatGPT 進行 SVM 分類分析 266
1. 幾個關鍵概念 267
2. 核函數 267
3. 利用 ChatGPT 進行 SVM 分類分析 268
10.5 利用 ChatGPT 進行樸素貝葉斯分類分析 272
1. 貝葉斯定理 272
2. 特徵條件獨立假設 272
3. 工作原理 272
4. 公式應用 273
5. 類型 273
6. 應用場景 273
7. 優缺點 273
8. 利用 ChatGPT 進行樸素貝葉斯分類 274
10.6 利用 ChatGPT 進行邏輯回歸分類分析 278
1. 邏輯回歸的分類 278
2. 霍斯默萊梅肖檢驗 279
3. 方程中的變量解釋 280
4. 利用 ChatGPT 進行邏輯回歸分析 280
第 11 章 利用 ChatGPT 進行聚類分析
11.1 聚類分析的基本概念 286
1. 聚類的定義 286
2. 聚類和分類的區別 286
3. 數據對象間的相似度度量 287
4. 簇之間的相似度度量 288
5. 聚類算法 289
6. 聚類分析的評估方法 289
7. 聚類分析的一般流程 290
11.2 利用 ChatGPT 進行劃分式聚類分析 291
1. K-means 算法 291
2. K-means++ 算法 292
3. Bi K-means 算法 292
4. K-medoids 算法 292
5. Kernel K-means 算法 293
6. 利用 ChatGPT 進行劃分式聚類分析 293
11.3 利用 ChatGPT 進行基於密度的聚類分析 298
1. DBSCAN 算法 298
2. OPTICS 算法 299
3. 利用 ChatGPT 進行基於密度的聚類分析 300
11.4 利用 ChatGPT 進行層次化聚類分析 305
1. 凝聚型層次聚類 305
2. 分裂型層次聚類 306
3. 層次聚類的應用 306
4. 利用 ChatGPT 進行層次化聚類分析 306
第 12 章 利用 ChatGPT 撰寫數據分析報告
12.1 如何撰寫數據分析報告 312
1. 數據分析報告的類型 312
2. 數據分析報告的組成要素 313
3. 註意事項 315
4. 全流程數據分析的步驟 315
12.2 利用 ChatGPT 撰寫日常工作類
數據分析報告 316
1. 組成部分 317
2. 利用 ChatGPT 構建數據指標體系 317
3. 利用 ChatGPT 撰寫日常工作類數據分析報告 321
12.3 利用 ChatGPT 撰寫專題分析類
數據分析報告 324
12.4 利用 ChatGPT 撰寫綜合研究類
數據分析報告 336
