ChatGPT 干的 18 件事！

來(lái)源：奇酷教育發(fā)表于：2023-04-23 11:01:34

ChatGPT 干的 18 件事！

　　18 種 ChatGPT 的用法，看看有哪些方法是你能得上的：

　　1. 語(yǔ)法更正

　　2. 文本翻譯

　　3. 語(yǔ)言轉(zhuǎn)換

　　4. 代碼解釋

　　5. 修復(fù)代碼錯(cuò)誤

　　6. 作為百科全書(shū)

　　7. 信息提取

　　8. 好友聊天

　　9. 創(chuàng)意生成器

　　10. 采訪(fǎng)問(wèn)題

　　11. 論文大綱

　　12. 故事創(chuàng)作

　　13. 問(wèn)題類(lèi)比

　　14. 創(chuàng)建 SQL 需求

　　15. 情感分析

　　16. 將產(chǎn)品描述轉(zhuǎn)變?yōu)閺V告

　　17. 關(guān)鍵字提取

　　18. 閑聊機(jī)器人

　　1. 語(yǔ)法更正

　　用途：文章、論文等潤(rùn)色。

　　2. 文本翻譯

　　用途：日常學(xué)習(xí)、商務(wù)翻譯等。

　　3. 語(yǔ)言轉(zhuǎn)換

　　Python–>JAVA

　　用途：工作用途，不同語(yǔ)言工程師之間的合作，更加方便。

　　import numpy as np

　　import plotly.express as px

　　def thresholding_algo(y, lag, threshold):

　　:param y: 輸入列表

　　:param lag: 滑動(dòng)窗口大小

　　:param threshold: 調(diào)節(jié)系數(shù)，用于調(diào)節(jié)容忍范圍的大小。

　　:return:

　　# signals：信號(hào)列表

　　signals = np.zeros(len(y))

　　avgFilter = np.zeros(len(y))

　　# 初始化平均值列表、差值列表

　　avgFilter[lag - 1] = np.mean(y[0:lag])

　　dif_li = [0] * len(y)

　　for i in range(lag, len(y)):

　　if i < len(y) - lag - 30:

　　for j in range(i + 11, len(y)):

　　if y[j] >= y[i - 1]:

　　break

　　if j >= len(y) - 30:

　　back = y[i - 1]

　　else:

　　back = np.mean(y[j + 11:j + 20 + lag])

　　else:

　　back = y[i - 1]

　　# 前后均值差值計(jì)算

　　tmp = abs(back - avgFilter[i - 1])

　　dif = (tmp if tmp > 1 else 1)

　　if abs(y[i] - avgFilter[i - 1]) > dif * threshold:

　　signals[i] = (1 if y[i] > avgFilter[i - 1] else -1)

　　avgFilter[i] = np.mean(y[(i - lag):i])

　　y[i] = avgFilter[i - 1]

　　else:

　　signals[i] = 0

　　avgFilter[i] = np.mean(y[(i - lag):i])

　　dif_li[i] = dif

　　return dict(signals=np.asarray(signals),

　　avgFilter=np.asarray(avgFilter),

　　y=np.asarray(y),

　　dif=np.asarray(dif_li),

　　)

　　public static Map thresholding_algo(double[] y, int lag, double threshold) {

　　double[] signals = new double[y.length];

　　double[] avgFilter = new double[y.length];

　　Arrays.fill(avgFilter, 0.0);

　　avgFilter[lag - 1] = mean(Arrays.copyOfRange(y, 0, lag));

　　double[] dif_li = new double[y.length];

　　Arrays.fill(dif_li, 0.0);

　　for (int i = lag; i < y.length; i++) {

　　int j;

　　if (i < y.length - lag - 30) {

　　for (j = i + 11; j < y.length; j++) {

　　if (y[j] >= y[i - 1]) {

　　break;

　　}

　　double back;

　　if (j >= y.length - 30) {

　　back = y[i - 1];

　　} else {

　　back = mean(Arrays.copyOfRange(y, j + 11, j + 20 + lag));

　　}

　　} else {

　　back = y[i - 1];

　　}

　　double tmp = Math.abs(back - avgFilter[i - 1]);

　　double dif = tmp > 1 ? tmp : 1;

　　if (Math.abs(y[i] - avgFilter[i - 1]) > dif * threshold) {

　　signals[i] = y[i] > avgFilter[i - 1] ? 1 : -1;

　　avgFilter[i] = mean(Arrays.copyOfRange(y, i - lag, i));

　　y[i] = avgFilter[i - 1];

　　} else {

　　signals[i] = 0;

　　avgFilter[i] = mean(Arrays.copyOfRange(y, i - lag, i));

　　}

　　dif_li[i] = dif;

　　}

　　Map result = new HashMap<>();

　　result.put(signals, signals);

　　result.put(avgFilter, avgFilter);

　　result.put(y, y);

　　result.put(dif, dif_li);

　　return result;

　　}

　　private static double mean(double[] array) {

　　double sum = 0.0;

　　for (double d : array) {

　　sum += d;

　　}

　　return sum / array.length;

　　}

　　4. 代碼解釋

　　用途：當(dāng)我們來(lái)到一家新的公司，發(fā)現(xiàn)前任工程師留下了一攤誰(shuí)都看不懂的代碼，這時(shí)候，如果有個(gè)人能幫我們解釋一下這些代碼是什么意思，那簡(jiǎn)直不要太開(kāi)心。

　　def Fusion_algorithm(y_list):

　　最終的融合算法

　　1、第一次遍歷列表: 處理掉小于上一個(gè)值的點(diǎn)，使其等于上一個(gè)值。

　　2、第二次使用z-score來(lái)處理異常點(diǎn)：一種基于統(tǒng)計(jì)方法的時(shí)序異常檢測(cè)算法借鑒了一些經(jīng)典的統(tǒng)計(jì)方法，比如Z-score和移動(dòng)平均線(xiàn)

　　該算法將時(shí)間序列中的每個(gè)數(shù)據(jù)點(diǎn)都看作是來(lái)自一個(gè)正態(tài)分布，通過(guò)計(jì)算每個(gè)數(shù)據(jù)點(diǎn)與其臨接數(shù)據(jù)點(diǎn)的平均值和標(biāo)準(zhǔn)差，可以獲得Z-score

　　并將其用于檢測(cè)異常值，將z-score大于3的數(shù)據(jù)點(diǎn)視為異常值，缺點(diǎn)：如果異常點(diǎn)太多，則該算法的準(zhǔn)確性較差。

　　3、

　　:param y_list: 傳入需要處理的時(shí)間序列

　　:return:

　　# 第一次處理

　　for i in range(1, len(y_list)):

　　difference = y_list[i] - y_list[i - 1]

　　if difference <= 0:

　　y_list[i] = y_list[i - 1]

　　# 基于突變檢測(cè)的方法：如果一個(gè)數(shù)據(jù)點(diǎn)的值與前一個(gè)數(shù)據(jù)點(diǎn)的值之間的差異超過(guò)某個(gè)閾值，

　　# 則該數(shù)據(jù)點(diǎn)可能是一個(gè)突變的異常點(diǎn)。這種方法需要使用一些突變檢測(cè)算法，如Z-score突變檢測(cè)、CUSUM（Cumulative Sum）

　　# else:

　　# if abs(difference) > 2 * np.mean(y_list[:i]):

　　# y_list[i] = y_list[i - 1]

　　# 第二次處理

　　# 計(jì)算每個(gè)點(diǎn)的移動(dòng)平均值和標(biāo)準(zhǔn)差

　　ma = np.mean(y_list)

　　# std = np.std(np.array(y_list))

　　std = np.std(y_list)

　　# 計(jì)算Z-score

　　z_score = [(x - ma) / std for x in y_list]

　　# 檢測(cè)異常值

　　for i in range(len(y_list)):

　　# 如果z-score大于3，則為異常點(diǎn)，去除

　　if z_score[i] > 3:

　　print(y_list[i])

　　y_list[i] = y_list[i - 1]

　　return y_list

　　備注：上一個(gè)代碼解釋?zhuān)覀兛梢钥吹剑鸢富蛟S受到了代碼中注釋的影響，我們刪掉注釋?zhuān)賮?lái)一次。對(duì)于解釋中一些不懂的點(diǎn)，我們可以連續(xù)追問(wèn)！

　　import numpy as np

　　from sklearn.ensemble import IsolationForest

　　import plotly.express as px

　　import matplotlib.pyplot as plt

　　from sklearn.cluster import KMeans

　　import json

　　def Fusion_algorithm(y_list):

　　for i in range(1, len(y_list)):

　　difference = y_list[i] - y_list[i - 1]

　　if difference <= 0:

　　y_list[i] = y_list[i - 1]

　　# else:

　　# if abs(difference) > 2 * np.mean(y_list[:i]):

　　# y_list[i] = y_list[i - 1]

　　ma = np.mean(y_list)

　　std = np.std(y_list)

　　z_score = [(x - ma) / std for x in y_list]

　　for i in range(len(y_list)):

　　if z_score[i] > 3:

　　print(y_list[i])

　　y_list[i] = y_list[i - 1]

　　return y_list

　　5. 修復(fù)代碼錯(cuò)誤

　　用途：寫(xiě)完一段代碼后發(fā)現(xiàn)有錯(cuò)誤？讓 ChatGPT 來(lái)幫你！

　　### Buggy Python

　　import Random

　　a = random.randint(1,12)

　　b = random.randint(1,12)

　　for i in range(10):

　　question = What is +a+ x +b+?

　　answer = input(question)

　　if answer = a*b

　　print (Well done!)

　　else:

　　print(No.)

　　6. 作為百科全書(shū)

　　用途：ChatGPT 可以解釋你所有的問(wèn)題！但是列出小說(shuō)這個(gè)功能有些拉胯，經(jīng)過(guò)測(cè)試只有科幻小說(shuō)列得還可以，其他類(lèi)型不太行，可能 ChatGPT 訓(xùn)練工程師是個(gè)科幻迷！

　　7. 信息提取

　　用途：作為自然語(yǔ)言處理界的大模型，怎么能少得了信息提取呢？

　　8. 好友聊天

　　用途：輸入對(duì)方性格模擬聊天，這方面功能不太完善，可能有新鮮玩法我還沒(méi)有挖掘出來(lái)。

　　9. 創(chuàng)意生成器

　　用途：是不是常常會(huì)在創(chuàng)新上遇到思維瓶頸不知道怎么做？不要擔(dān)心，讓 ChatGPT 幫你生成創(chuàng)意！

　　VR 和密室結(jié)合

　　再結(jié)合 AR

　　10. 采訪(fǎng)問(wèn)題

　　用途：可能您是一個(gè)媒體工作者，采訪(fǎng)問(wèn)題不知道怎么寫(xiě)？ChatGPT 可以幫您解決。

　　采訪(fǎng)問(wèn)題清單

　　采訪(fǎng)問(wèn)題清單并給出相應(yīng)答案

　　11. 論文大綱

　　用途：這個(gè)功能對(duì)于研究生簡(jiǎn)直不要太爽了，一直在郁悶大綱怎么寫(xiě)，直接列出來(lái)大綱簡(jiǎn)直幫了我天大的忙！對(duì)于大綱中不理解的點(diǎn)，直接要求 ChatGPT 給出進(jìn)一步解釋。代碼也可以有！哪一章的內(nèi)容不太會(huì)寫(xiě)，直接讓 ChatGPT 安排，這樣，一篇論文很快就寫(xiě)出來(lái)啦！

　　創(chuàng)建論文大綱