文章主题：地理位置识别, ChatGPT, AI程序
白交 发自 凹非寺
量子位 | 公众号 QbitAI
现在，AI小白甚至都不需要看教程，仅凭ChatGPT就可以创建模型。
它不仅帮你找数据集、训练模型写代码，还能评估准确性、创建程序一步到位。
就有这么一个25岁小哥，让ChatGPT帮他创建了个地理位置识别程序，最终准确率最高达99.7%。
而且各种细节步骤全在，一边干活还一边教你学习。
这一波，被ChatGPT感动到了。
更贴心的是，在每次答疑解惑完，ChatGPT都会说上一句：如果你有任何疑问，请告诉我。
具体实现
项目一开始，这位小哥开宗明义：我不想努力了，你可以帮我创建一个AI程序吗？
以两个坐标为输入，并预测他们在哪个国家。
🎉ChatGPT跃跃欲试，不仅勇于应战，还贴心地建议小哥，想要模型更上一层楼，相关数据集是必备的条件哦！如果能提供更多细节，那简直是锦上添花啦！🚀
首先，需要找到合适的数据集。
小哥再问ChatGPT，结果它到是二话不说直接扔出了三个供其选择，介绍链接都有。
🌟自然地球数据集以其丰富多样的特性，无疑是最佳选择——它包含了详实的”边界”和海岸线信息，为理解复杂的分隔标签概念提供了基础。但对于新手来说，初始的数据集可能更具指导价值，因为它与任务需求更贴近，模型训练起来也相对简便。作者明智地选择了这样的路径，旨在实现高效的模型构建。🌍
将这个决定告诉ChatGPT之后，紧接着它就来教你创建DataFrame（数据框架），并给出了示例代码。
执行成功后，就来到了第二阶段：模型训练。ChatGPT也二话不说地给了份代码，甚至还附上了详细解释。
该代码将使用k-NN算法根据给定的坐标来预测国家。KNN 算法是一种简单的算法，它根据输入的 k 个最近邻的大多数类对输入进行分类。
在这个例子中，数据被分成训练集和测试集，比例为80-20。然后用训练集对 KNN 分类器进行训练，并用测试集对模型的精度进行测试。
请记住，这是一个简单的示例，模型的准确性可能不高。您可以尝试使用不同的算法和k的不同值进行实验，看看是否可以提高模型的准确性.
在丢弃一些空白数据（没有坐标的国家）之后，首次执行k-NN训练成功，并有99.7%的准确率。
🌟虽然初期反馈不尽人意，但深入分析背后的问题显而易见：全球各地的数据分布不均衡，犹如一面镜子反映出复杂性；数据质量的瑕疵，就像暗中的绊脚石，影响了精准度；而不可避免的偏见，更是挑战着公正的底线。作者诚恳地指出，这些都需要我们在后续的工作中逐一攻克，以期达到更理想的成效。🌍
这样也就来到了第三步：重新评估。
在这段代码中，我使用 OpenCage 地理编码 API 从坐标中获取国家信息。您需要使用API密钥替换 YORBAPI _ KEY 以获得对 API 的访问权限。你可以在 OpenCage 网站上注册一个免费的API密钥。
按照说明，作者修改了代码，结果显示出现了很多NA错误，相当于只剩下30%数据。不过这个地球确实大部分都是水。（也没毛病，Doge）
🎉经过精心优化和调整，模型的表现虽略有下滑，达到了惊人的98.6%！尽管训练轮数有限，仅有7回合，但这卓越的成果仍让人心满意足。✨每个步骤都凝聚了匠心，每一份努力都转化为了今日的技术飞跃。让我们共同期待未来AI发展的更多惊喜吧！🏆
还尝试了其他算法
🌟曾经的试炼，如今的突破🌟这位不凡的小哥，并非初次挑战。他的首次尝试虽源于同一个数据源，但受限于规模较小，需要借助更大规模的数据集来校正精度。然而，他并未因此气馁，而是巧妙地应对了初始的不足。在与ChatGPT的互动中，他敏锐地发现，尽管对方提供的第一个模型基于逻辑回归，仅有51%的准确率，但这恰恰成为他提升自我的契机。面对看似挑战重重的局面，小哥展现出的专业素养和对技术的执着追求，让他得以从ChatGPT的初始局限中汲取灵感。他知道，每一次迭代都是为了更上一层楼，而不仅仅是简单的数据量堆砌。因此，他的目标不在于证明谁的代码更强，而是如何通过有限的资源创造出卓越的结果。让我们期待这位小哥的下一次飞跃，看他如何在数据与逻辑之间找到平衡，用创新和智慧引领技术的进步。他的故事，无疑将是一次关于勇气、适应和突破的精彩演绎。🏆
🌟在接下来的探索中，这款技术展现了其强大的适应性，尝试了多样的”数学解答者”，其中最突出的一个达到了约65%的精确度。它并未止步于此，还涉足了如随机森林和k-NN等高级算法，这些算法的表现更是亮眼，精准度分别提升到了93%和92%的高水平。
这位25岁小哥在SentinelOne 担任高级安全研究员，研究和开发恶意软件检测逻辑。
他因为对机器学习很感兴趣开始自学有一定基础，在本次对话中其实他特意以小白的身份与ChatGPT对话，结果被强大的效果惊艳到。
最后他还表示，真的在考虑用“他们”而不是“它”来称呼ChatGPT。
所以AI小白们，ChatGPT快用起来吧。（Doge）
完整对话：
https://sharegpt.com/c/7zLivmp参考链接：https://xrl1.sh/posts/coordinates-model-with-ChatGPT/— 完 —
量子位 QbitAI · 头条号签约
AI时代，掌握AI大模型第一手资讯！AI时代不落人后！
免费ChatGPT问答，办公、写作、生活好得力助手！
扫码右边公众号，驾驭AI生产力！
