AIWritePaper AI论文写作 -www.aiwritepaper.com.cn
一篇优秀的学术论文，肯定有新颖、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，把有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。
小编在之前的AI工具论文写作流程中，介绍了大量论文文字工作，今天小编使用Kaggle数据，给大家分享一下学术论文中数据分析相关内容使用Kimi的效果。
-------------------------------------------------------
-------------------------------------------------------
我们先让Kimi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。
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。
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。
提取对房屋销售价格影响最高的15个特征做相关性分析。
站在一个[数据分析师]的角度 对上述分析过程做一个总结。
-------------------------------------------------------
点击「阅读原文」直达AIWritePaper！
或扫描二维码直达AIWritePaper
▼▼▼▼
Tips:
觉得手机端不方便操作的话可以：
1.【扫码】或【阅读原文】点击右上角【···】
2.【复制链接】发送【微信电脑端】点击使用哦！
