![見出し画像](https://assets.st-note.com/production/uploads/images/110522558/rectangle_large_type_2_3931263d1ed57606ab3a9d6f4c9b2c89.png?width=800)
時系列データをChatGPTのCode Interpreterに解析してもらう
ChatGPTのCode Interpreterで時系列データのデータ解析を試してみます。ネタは定番のAir Passengersのデータを使います。
実行結果は、スクリーンショットをコピペしたので文字がつぶれて見ずらい場合は、画像を開いてご覧ください。
データの読み込み
![](https://assets.st-note.com/img/1689056348988-PltBI0KsWS.png?width=800)
訓練データ、テストデータの分割
![](https://assets.st-note.com/img/1689056402116-RJPo0xHiIE.png?width=800)
予測モデルの作成
ARIMAモデル
![](https://assets.st-note.com/img/1689056490493-q3s7XitsKg.png?width=800)
![](https://assets.st-note.com/img/1689056550203-lxRMFpBrVp.png?width=800)
LSTMモデルのプログラム
![](https://assets.st-note.com/img/1689056708357-gqrsjElsGa.png?width=800)
![](https://assets.st-note.com/img/1689056685224-NONtBtieQF.png?width=800)
![](https://assets.st-note.com/img/1689056787352-EgcHXjwQFz.png)
LSTMモデルでの予測結果
google colabで実行して出力されたファイルをChatGPTに入力します。
![](https://assets.st-note.com/img/1689056838341-dEBas3iQ1e.png?width=800)
![](https://assets.st-note.com/img/1689056863347-NVqEOSt3A2.png?width=800)
![](https://assets.st-note.com/img/1689056999879-tD74NnQ04x.png?width=800)
まとめ・考察
![](https://assets.st-note.com/img/1689057360579-2N6mfQXd86.png?width=800)
感想
ChatGPTの入出力をコピペしただけで、初歩的なものではあるものの、ほぼ全自動でディープラーニングモデルの学習と評価を行うことができました。😊
今のところ、コードインタープリタの入出力は制限されていますが、今後、ChatGPTなどのLLMと計算資源やインターネットと接続されて、LLMがネットの情報を利用して自ら機械学習モデルを作成できるようになると凄まじい革命が起きる予感がします。楽しみ半分、ちょっと怖い感じもありますね。
ここまでお読みいただき、ありがとうございました。
この記事が気に入ったらサポートをしてみませんか?