ChatGPT教你学AI包，七段对话写识别模型，精度最高可达99.7%-量子位，

AI小白不需要看教程，只需ChatGPT就可以制作模型了。

您不仅可以查找数据集、训练模型和编写代码，还可以评估准确性和编写程序。

这样的25岁的哥哥，让ChatGPT制作了地理位置识别程序，最终最高得到了99.7%的精度。

并且有各种各样的细小的步骤，一边工作一边教我学习。

这波被ChatGPT感动了。

更亲切的是，每次答疑结束，ChatGPT都会说一句：“如果你有什嚒问题，请告诉我。”。

具体实现项目一开始，这位大哥就开明了：我不想努力，你能帮我编写AI程序吗？

ChatGPT“乐意”接受挑战，提醒这位大哥也需要相应的数据集，否则模型无法训练。如果还有更多的信息，那就更好了。

首先，我们需要找到合适的数据集。

大哥问ChatGPT，没说什嚒就扔了三个选项，有介绍链接。

从三个数据集来看，自然地球的数据集显然很好，还有“边界”、海岸线等信息，这意味着在模型中解释“边界”概念，划分标签。但作为新人，最初的数据集与任务相关的数据较多，模型易于实现，作者最终选择了最初的数据集。

把这个决定告诉ChatGPT之后，来教你制作数据框架，并提供了示例代码。

成功执行后，将进入模型培训的第二阶段。ChatGPT也一声不响地给出了代码，甚至还附上了详细的说明。

在丢弃一些空白数据（无坐标国家）后，首次执行k-NN训练，以99.7%的精度成功。

但这一结果并不令人满意。作者总结了这几个原因：不同国家之间的数据分布不均匀，有一些数据错误。偏见等问题。

这是第三个步骤：重新评估。

按照说明，作者修改了代码，结果显示出现了很多NA错误，数据只剩下30%。但是这个地球确实几乎都是水。（没有问题Doge）

虽然最终模型的精度略有下降，为98.6%，但作者对此结果满意。最终，仅用7个对话回合就帮助制作了AI模型。

其他算法也试过了，但这不是哥哥的第一次尝试。在第一次谈话中，使用相同来源的小数据集，需要更多的数据集校正，而ChatGPT提供的第一个模型训练代码是逻辑回归，只有51%的精度。

然后尝试其他算法，包括不同的“求解器”（精度约为65%）、随机森林和k-NN，精度分别为93%和92%。

这位25岁的哥哥在SentinelOne担任高级安全研究员，研究和开发恶意软件检测逻辑。

他对机器学习很感兴趣，开始自学的基础，这次的对话特意以小白的身份和ChatGPT进行了对话，结果收到了很强的效果，吓了一跳。

最后，他说，他真的考虑将ChatGPT称为“他们”而不是“它”。

所以AI小白们，ChatGPT快点使用吧。（Doge）

完整对话：https：//sharegpt.com/c/7zLivmp参考链接：https：//xrl1.sh/posts/coordinates-model-with-ChatGPT/