ਲਾਭ:
- ਨਕਲੀ ਬੁੱਧੀ ਸਹਾਇਤਾ ਦੇ ਨਾਲ ਵਰਣਨਯੋਗ ਅੰਕੜੇ ਅਤੇ ਵੰਡ/ਰਿਸ਼ਤੇਦਾਰ ਚਾਰਟ ਤਿਆਰ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਅਤੇ ਡੇਟਾ ਅਤੇ ਪ੍ਰਸ਼ਨ ਦੇ ਅਨੁਸਾਰ ਸਹੀ ਚਾਰਟ ਕਿਸਮ ਦੀ ਚੋਣ ਕਰੋ
- ਨਕਲੀ ਬੁੱਧੀ ਦੁਆਰਾ ਬਣਾਏ ਗਏ ਚਿੱਤਰਾਂ ਵਿੱਚ ਗੁੰਮਰਾਹਕੁੰਨ ਵਿਕਲਪਾਂ (ਡੈਸ਼ਡ ਧੁਰਾ, ਅਣਉਚਿਤ ਪੈਮਾਨਾ, ਬਹੁਤ ਜ਼ਿਆਦਾ ਸਮੂਥਿੰਗ) ਨੂੰ ਪਛਾਣਨ ਅਤੇ ਇਮਾਨਦਾਰ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਸਿਧਾਂਤਾਂ ਨੂੰ ਲਾਗੂ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
- ਇਹ ਵੱਖਰਾ ਕਰਨ ਦੇ ਯੋਗ ਹੋਣਾ ਕਿ ਖੋਜੀ ਵਿਸ਼ਲੇਸ਼ਣ ਅਨੁਮਾਨਾਂ ਨੂੰ ਪੈਦਾ ਕਰਨ ਲਈ ਹੈ ਅਤੇ ਉਸੇ ਡੇਟਾ (ਜੋ ਪੀ-ਹੈਕਿੰਗ ਲਈ ਦਰਵਾਜ਼ਾ ਖੋਲ੍ਹਦਾ ਹੈ) ਨਾਲ ਖੋਜ ਅਤੇ ਪੁਸ਼ਟੀ ਕਰਨ ਦਾ ਜਾਲ ਹੈ।
ਡੇਟਾ ਨੂੰ ਸਾਫ਼ ਕਰਨ ਤੋਂ ਬਾਅਦ, ਅਨੁਭਵੀ ਖੋਜਕਰਤਾ ਦਾ ਪਹਿਲਾ ਕੰਮ ਇਸ ਨੂੰ ਜਾਣਨਾ ਹੈ। ਇਸ ਪੜਾਅ ਨੂੰ ਖੋਜੀ ਡੇਟਾ ਵਿਸ਼ਲੇਸ਼ਣ (EDA - Exploratory Data Analysis) ਕਿਹਾ ਜਾਂਦਾ ਹੈ: ਇਹ ਗ੍ਰਾਫਾਂ ਅਤੇ ਸੰਖੇਪ ਅੰਕੜਿਆਂ ਨਾਲ ਡੇਟਾ ਦੀ ਜਾਂਚ ਕਰਨ ਅਤੇ ਇਸਦੀ ਬਣਤਰ, ਪੈਟਰਨ ਅਤੇ ਹੈਰਾਨੀ ਨੂੰ ਦੇਖਣ ਦੀ ਪ੍ਰਕਿਰਿਆ ਹੈ। ਉਦੇਸ਼ ਅਜੇ ਤੱਕ ਕਿਸੇ ਪਰਿਕਲਪਨਾ ਦੀ ਜਾਂਚ ਕਰਨਾ ਨਹੀਂ ਹੈ, ਪਰ ਡੇਟਾ ਤੋਂ ਜਾਣੂ ਹੋਣਾ, ਪ੍ਰਸ਼ਨ ਪੈਦਾ ਕਰਨਾ ਅਤੇ ਭਵਿੱਖ ਵਿੱਚ ਤੁਹਾਡੇ ਦੁਆਰਾ ਬਣਾਏ ਜਾਣ ਵਾਲੇ ਮਾਡਲ ਲਈ ਅਧਾਰ ਬਣਾਉਣਾ ਹੈ। ਇਸ ਯੂਨਿਟ ਵਿੱਚ, ਅਸੀਂ ਦੇਖਾਂਗੇ ਕਿ ਕਿਵੇਂ ਨਕਲੀ ਬੁੱਧੀ (AI) EDA ਅਤੇ ਵਿਜ਼ੂਅਲਾਈਜ਼ੇਸ਼ਨ ਨੂੰ ਤੇਜ਼ ਕਰਦੀ ਹੈ, ਪਰ ਇਹ ਜੋ ਗਰਾਫਿਕਸ ਪੈਦਾ ਕਰਦਾ ਹੈ, ਉਸ ਦਾ ਧਿਆਨ ਨਾਲ ਆਡਿਟ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।
ਆਓ ਪਹਿਲਾਂ ਦੋ ਬੁਨਿਆਦੀ ਅੰਤਰ ਕਰੀਏ। ਪਹਿਲਾਂ, ਵਰਣਨਾਤਮਕ ਅੰਕੜੇ (ਸੰਖਿਆਵਾਂ ਜੋ ਡੇਟਾ ਨੂੰ ਸੰਖੇਪ ਕਰਦੀਆਂ ਹਨ ਜਿਵੇਂ ਕਿ ਮੱਧਮਾਨ, ਮੱਧਮਾਨ, ਮਿਆਰੀ ਵਿਵਹਾਰ, ਚੌਥਾਈ) ਅਤੇ ਵਿਜ਼ੂਅਲਾਈਜ਼ੇਸ਼ਨ (ਉਹੀ ਜਾਣਕਾਰੀ ਨੂੰ ਗ੍ਰਾਫਿਕ ਤੌਰ 'ਤੇ ਦਿਖਾਉਂਦੇ ਹੋਏ) ਇੱਕ ਦੂਜੇ ਦੇ ਪੂਰਕ ਹਨ; ਇਕੱਠੇ ਉਹ ਡੇਟਾ ਦਾ ਵਰਣਨ ਕਰਦੇ ਹਨ। ਦੂਜਾ, ਅਤੇ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ: ਖੋਜ ਅਤੇ ਪੁਸ਼ਟੀ ਨੂੰ ਵੱਖ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ। ਖੋਜੀ ਵਿਸ਼ਲੇਸ਼ਣ ਅਨੁਮਾਨਾਂ ਨੂੰ ਪੈਦਾ ਕਰਨ ਲਈ ਹੈ; ਉਸੇ ਡੇਟਾ ਦੇ ਨਾਲ ਪਰਿਕਲਪਨਾ ਦੀ ਪੜਚੋਲ ਕਰਨਾ ਅਤੇ "ਮੈਂ ਇਸ ਦੀ ਜਾਂਚ ਕੀਤੀ ਅਤੇ ਇਹ ਮਹੱਤਵਪੂਰਣ ਪਾਇਆ" ਕਹਿਣਾ ਪੀ-ਹੈਕਿੰਗ ਦਾ ਦਰਵਾਜ਼ਾ ਖੋਲ੍ਹਦਾ ਹੈ, ਜੋ ਅਸੀਂ ਅਗਲੀ ਇਕਾਈ ਵਿੱਚ ਦੇਖਾਂਗੇ। ਡੇਟਾ ਨੂੰ ਵੇਖਣਾ ਅਤੇ ਇੱਕ ਪੈਟਰਨ ਦੇਖਣ ਲਈ ਇਹ ਸੁਤੰਤਰ ਹੈ; ਪਰ ਉਸੇ ਡੇਟਾ ਵਿੱਚ ਉਸ ਪੈਟਰਨ ਨੂੰ "ਸਾਬਤ ਖੋਜ" ਘੋਸ਼ਿਤ ਕਰਨਾ ਗੁੰਮਰਾਹਕੁੰਨ ਹੈ।
ਕਦਮ-ਦਰ-ਕਦਮ ਖੋਜੀ ਵਿਸ਼ਲੇਸ਼ਣ
1. ਵਿਲੱਖਣ ਦ੍ਰਿਸ਼। ਹਰੇਕ ਵੇਰੀਏਬਲ ਦੀ ਵੱਖਰੇ ਤੌਰ 'ਤੇ ਜਾਂਚ ਕਰੋ: ਕੀ ਇਸਦੀ ਵੰਡ ਸਮਮਿਤੀ ਹੈ ਜਾਂ ਤਿੱਖੀ ਹੈ; ਕਿੰਨੀਆਂ ਪਹਾੜੀਆਂ ਹਨ; ਬਾਹਰਲੇ ਕਿੱਥੇ ਹਨ? ਸੰਖਿਆਤਮਕ ਵੇਰੀਏਬਲਾਂ ਲਈ, ਹਿਸਟੋਗ੍ਰਾਮ (ਮੁੱਲਾਂ ਨੂੰ ਰੇਂਜਾਂ ਵਿੱਚ ਵੰਡ ਕੇ ਬਾਰੰਬਾਰਤਾ ਦਿਖਾਉਣ ਵਾਲਾ ਪਲਾਟ) ਅਤੇ ਬਾਕਸਪਲਾਟ (ਬਾਕਸਪਲਾਟ — ਮੱਧ, ਚੌਥਾਈ ਅਤੇ ਅਤਿਅੰਤ ਮੁੱਲਾਂ ਨੂੰ ਦਿਖਾਉਣ ਵਾਲਾ ਚਾਰਟ); ਸ਼੍ਰੇਣੀਬੱਧ ਵੇਰੀਏਬਲਾਂ ਲਈ, ਬਾਰੰਬਾਰਤਾ ਟੇਬਲ ਅਤੇ ਬਾਰ ਚਾਰਟ ਦੀ ਵਰਤੋਂ ਕਰੋ।
2. ਬਾਇਵਾਰੀਏਟ ਦ੍ਰਿਸ਼। ਦੋ ਵੇਰੀਏਬਲਾਂ ਦੇ ਵਿਚਕਾਰ ਸਬੰਧ ਵੇਖੋ: ਦੋ ਸੰਖਿਆਤਮਕ ਵੇਰੀਏਬਲਾਂ ਲਈ ਸਕੈਟਰ ਪਲਾਟ (ਹਰੇਕ ਨਿਰੀਖਣ ਨੂੰ x-y ਸਮਤਲ 'ਤੇ ਇੱਕ ਬਿੰਦੂ ਦੇ ਰੂਪ ਵਿੱਚ ਦਿਖਾਉਂਦਾ ਹੈ), ਸੰਖਿਆਤਮਕ-ਸ਼੍ਰੇਣੀ ਲਈ ਸਮੂਹਬੱਧ ਬਾਕਸ ਪਲਾਟ, ਦੋ ਸ਼੍ਰੇਣੀਆਂ ਲਈ ਕ੍ਰਾਸਟੈਬ। ਸਹਿ-ਸੰਬੰਧ ਗੁਣਾਂਕ ਨੂੰ ਦੇਖਣ ਤੋਂ ਪਹਿਲਾਂ, ਸਕੈਟਰ ਪਲਾਟ ਨੂੰ ਦੇਖਣਾ ਯਕੀਨੀ ਬਣਾਓ: ਉਹੀ ਸਬੰਧ ਬਹੁਤ ਵੱਖਰੇ ਪੈਟਰਨ ਦਿਖਾ ਸਕਦਾ ਹੈ (ਮਸ਼ਹੂਰ ਐਂਸਕੋਮਬ ਚੌਥਾਈ ਇਸ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ; ਚਾਰ ਡਾਟਾ ਸੈੱਟਾਂ ਦੇ ਲਗਭਗ ਇੱਕੋ ਜਿਹੇ ਅੰਕੜੇ ਹੁੰਦੇ ਹਨ, ਪਰ ਜਦੋਂ ਪਲਾਟ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਤਾਂ ਉਹ ਪੂਰੀ ਤਰ੍ਹਾਂ ਵੱਖਰੇ ਹੁੰਦੇ ਹਨ)।
3. ਸਹੀ ਚਾਰਟ ਕਿਸਮ ਚੁਣੋ। ਚਾਰਟ ਦੀ ਕਿਸਮ ਤੁਹਾਡੇ ਸਵਾਲ ਅਤੇ ਡਾਟਾ ਕਿਸਮ 'ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ। ਵੰਡ ਲਈ ਹਿਸਟੋਗ੍ਰਾਮ; ਰਿਸ਼ਤੇ ਲਈ ਖਿੰਡਾਉਣਾ; ਸਮੇਂ ਦੇ ਨਾਲ ਤਬਦੀਲੀ ਲਈ ਲਾਈਨ ਚਾਰਟ; ਸ਼੍ਰੇਣੀ ਦੀ ਤੁਲਨਾ ਲਈ ਬਾਰ ਚਾਰਟ; ਪੂਰੇ ਹਿੱਸੇ ਦੇ ਅਨੁਪਾਤ ਲਈ (ਧਿਆਨ ਨਾਲ) ਸਟੈਕਡ ਬਾਰ। AI ਤੁਹਾਡੇ ਲਈ ਤੇਜ਼ੀ ਨਾਲ ਕੋਡ ਤਿਆਰ ਕਰਦਾ ਹੈ, ਪਰ "ਕਿਸ ਸਵਾਲ ਲਈ ਕਿਹੜਾ ਗ੍ਰਾਫ" ਦਾ ਫੈਸਲਾ ਤੁਹਾਡਾ ਹੈ।
4. ਪੈਟਰਨ ਨੋਟ ਕਰੋ, ਨਤੀਜੇ ਘੋਸ਼ਿਤ ਨਾ ਕਰੋ। ਕਿਸੇ ਵੀ ਦਿਲਚਸਪ ਪੈਟਰਨ ਨੂੰ ਰਿਕਾਰਡ ਕਰੋ ਜੋ ਤੁਸੀਂ "ਖੋਜ ਨੋਟ" ਵਜੋਂ ਦੇਖਦੇ ਹੋ, ਪਰ ਇਸਨੂੰ ਇੱਕ ਪੁਸ਼ਟੀ ਕੀਤੀ ਖੋਜ ਨਾ ਸਮਝੋ। ਪੁਸ਼ਟੀ ਇੱਕ ਵੱਖਰੇ ਪੜਾਅ ਵਿੱਚ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਤਰਜੀਹੀ ਤੌਰ 'ਤੇ ਵੱਖਰੇ ਡੇਟਾ ਜਾਂ ਇੱਕ ਪੂਰਵ-ਨਿਰਧਾਰਤ ਅਨੁਸੂਚੀ ਨਾਲ।
ਇਮਾਨਦਾਰ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਦੇ ਸਿਧਾਂਤ
ਗ੍ਰਾਫਿਕ ਯਕੀਨ ਦਿਵਾਉਂਦਾ ਹੈ; ਇਸ ਲਈ, ਇਸ ਦੀ ਗੁੰਮਰਾਹ ਕਰਨ ਦੀ ਸ਼ਕਤੀ ਵੀ ਉੱਚ ਹੈ. AI ਸੁਹਜਾਤਮਕ ਪਰ ਕਈ ਵਾਰ ਗੁੰਮਰਾਹਕੁੰਨ ਚੋਣਾਂ ਕਰ ਸਕਦਾ ਹੈ। ਇਹਨਾਂ ਨੀਤੀਆਂ ਦੀ ਜਾਂਚ ਕਰੋ:
- ਬਾਰ ਚਾਰਟ ਵਿੱਚ, y-ਧੁਰਾ ਜ਼ੀਰੋ ਤੋਂ ਸ਼ੁਰੂ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ। ਡੈਸ਼ਡ ਧੁਰਾ ਛੋਟੇ ਅੰਤਰਾਂ ਨੂੰ ਵੱਡੇ ਦੇ ਰੂਪ ਵਿੱਚ ਦਿਖਾਉਂਦਾ ਹੈ।
- ਪੈਮਾਨਾ ਇਕਸਾਰ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ. ਜੇਕਰ ਦੋ ਚਾਰਟਾਂ ਦੀ ਤੁਲਨਾ ਕੀਤੀ ਜਾ ਰਹੀ ਹੈ, ਤਾਂ ਇੱਕੋ ਧੁਰੀ ਰੇਂਜ ਦੀ ਵਰਤੋਂ ਕਰੋ।
- ਬਹੁਤ ਜ਼ਿਆਦਾ ਸਮੂਥਿੰਗ ਅਸਲ ਪੈਟਰਨ ਨੂੰ ਲੁਕਾ ਸਕਦੀ ਹੈ। ਇੱਕ ਰੁਝਾਨ ਲਾਈਨ ਚੰਗੀ ਲੱਗਦੀ ਹੈ, ਪਰ ਜੇਕਰ ਇਹ ਡੇਟਾ ਨੂੰ ਬਹੁਤ ਜ਼ਿਆਦਾ "ਸਮੂਥ" ਕਰਦੀ ਹੈ, ਤਾਂ ਇਹ ਗੁੰਮਰਾਹਕੁੰਨ ਹੋ ਸਕਦਾ ਹੈ।
- ਰੰਗ ਅਤੇ 3D ਸਜਾਵਟ ਧਿਆਨ ਨੂੰ ਵਿਗਾੜਦੇ ਹਨ, ਡਾਟਾ ਨਹੀਂ। ਸਾਦਗੀ ਦੀ ਚੋਣ ਕਰੋ.
- ਗੁੰਮ ਡੇਟਾ ਅਤੇ ਨਮੂਨੇ ਦਾ ਆਕਾਰ ਦਿਖਾਈ ਦੇਣਾ ਚਾਹੀਦਾ ਹੈ। "n=12" ਅਤੇ "n=12,000" ਇੱਕੋ ਜਿਹੇ ਨਹੀਂ ਲੱਗਣੇ ਚਾਹੀਦੇ।
ਧਿਆਨ ਦਿਓ: ਕਿਉਂਕਿ AI ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਗ੍ਰਾਫਿਕਸ ਸੁੰਦਰ ਹਨ, ਉਹ ਸੱਚ ਨਹੀਂ ਹਨ। ਸਭ ਤੋਂ ਆਮ ਗਲਤੀ ਉਹ ਕਰਦਾ ਹੈ ਬਾਰ ਚਾਰਟ ਵਿੱਚ ਧੁਰੇ ਨੂੰ ਜ਼ੀਰੋ ਤੋਂ ਸ਼ੁਰੂ ਨਹੀਂ ਕਰਨਾ ਅਤੇ ਦੋ ਸਮੂਹਾਂ ਵਿੱਚ ਅੰਤਰ ਨੂੰ ਵਧਾ-ਚੜ੍ਹਾ ਕੇ ਕਰਨਾ। ਹਮੇਸ਼ਾ ਧੁਰੇ ਦੀ ਜਾਂਚ ਕਰੋ।
ਤੁਲਨਾ ਚਾਰਟ: ਸਵਾਲ → ਚਾਰਟ
ਪੁੱਛੋ
ਸਹੀ ਚਾਰਟ
ਆਮ ਗਲਤੀ
ਇਹ ਵੇਰੀਏਬਲ ਕਿਵੇਂ ਵੰਡਿਆ ਜਾਂਦਾ ਹੈ?
ਹਿਸਟੋਗ੍ਰਾਮ/ਬਾਕਸ ਪਲਾਟ
ਪਾਈ ਚਾਰਟ ਦੀ ਵਰਤੋਂ ਕਰੋ
ਕੀ ਦੋ ਸੰਖਿਆਤਮਕ ਵੇਰੀਏਬਲ ਸਬੰਧਤ ਹਨ?
ਸਕੈਟਰ ਪਲਾਟ
ਬਸ ਸਬੰਧਾਂ ਦੀ ਗਿਣਤੀ ਨੂੰ ਵੇਖ ਰਿਹਾ ਹੈ
ਸਮੇਂ ਦੇ ਨਾਲ ਇਹ ਕਿਵੇਂ ਬਦਲਿਆ ਹੈ?
ਲਾਈਨ ਚਾਰਟ
ਬਾਰ ਚਾਰਟ ਦੇ ਨਾਲ ਇੱਕ ਰੁਝਾਨ ਦੱਸਣਾ
ਸਮੂਹਾਂ ਵਿੱਚ ਕੀ ਅੰਤਰ ਹੈ?
ਸਮੂਹਬੱਧ ਬਾਕਸ/ਪੱਟੀ (ਸਕ੍ਰੈਚ ਤੋਂ)
ਕੱਟੀ ਹੋਈ ਧੁਰੀ ਵਾਲੀ ਡੰਡੇ
ਪਾਰਟ-ਟੂ-ਹੋਲ ਅਨੁਪਾਤ?
ਸਟੈਕਡ ਪੱਟੀ (ਸਾਵਧਾਨੀ ਨਾਲ)
ਮਲਟੀ-ਸਲਾਈਸ ਪਾਈ ਚਾਰਟ
ਚਾਰ ਕਾਪੀ ਕਰਨ ਯੋਗ ਪ੍ਰੋਂਪਟ
1. ਆਟੋ ਖੋਜ ਕੋਡ:
ਤੁਹਾਡੀ ਭੂਮਿਕਾ: EDA ਸਹਾਇਕ। ਮੈਂ ਡਾਟਾ ਸਾਂਝਾ ਨਹੀਂ ਕਰਦਾ, ਮੈਨੂੰ R (ggplot2) ਕੋਡ ਚਾਹੀਦਾ ਹੈ। 'data' data.frame ਵਿੱਚ ਸੰਖਿਆਤਮਕ (ਆਮਦਨ, ਉਮਰ, ਖਰਚ) ਅਤੇ ਸ਼੍ਰੇਣੀ (ਖੇਤਰ, ਸਿੱਖਿਆ) ਵੇਰੀਏਬਲ ਹਨ। ਕਾਰਜ: ਕੋਡ ਲਿਖੋ ਜੋ ਹਰੇਕ ਸੰਖਿਆ ਲਈ ਇੱਕ ਹਿਸਟੋਗ੍ਰਾਮ, ਹਰੇਕ ਸ਼੍ਰੇਣੀ ਲਈ ਇੱਕ ਬਾਰ ਚਾਰਟ, ਅਤੇ ਆਮਦਨ~ਉਮਰ ਲਈ ਇੱਕ ਸਕੈਟਰ ਪਲਾਟ ਬਣਾਉਂਦਾ ਹੈ। ਬਾਰ ਚਾਰਟ ਵਿੱਚ, y-ਧੁਰੇ ਨੂੰ ਜ਼ੀਰੋ ਤੋਂ ਸ਼ੁਰੂ ਕਰਨ ਦਿਓ। ਟਿੱਪਣੀ ਲਾਈਨ ਸ਼ਾਮਲ ਕਰੋ.
2. ਸਬੰਧ ਸਮੀਖਿਆ (ਸਬੰਧ + ਵਿਜ਼ੂਅਲ ਇਕੱਠੇ):
ਕੋਡ ਲਿਖੋ ਜੋ ਦੋਵੇਂ ਆਮਦਨ ਅਤੇ ਖਰਚ ਲਈ ਪੀਅਰਸਨ ਸਬੰਧਾਂ ਦੀ ਗਣਨਾ ਕਰਦੇ ਹਨ ਅਤੇ ਇੱਕ ਸਕੈਟਰ ਪਲਾਟ + ਰੇਖਿਕ ਰੁਝਾਨ ਨੂੰ ਪਲਾਟ ਕਰਦੇ ਹਨ। ਇੱਕ ਟਿੱਪਣੀ ਲਾਈਨ ਜੋੜੋ ਜੋ ਮੈਨੂੰ ਸਬੰਧਾਂ ਦੀ ਗਿਣਤੀ (Anscombe ਚੇਤਾਵਨੀ) 'ਤੇ ਭਰੋਸਾ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਚਾਰਟ ਦੀ ਜਾਂਚ ਕਰਨ ਦੀ ਯਾਦ ਦਿਵਾਉਂਦੀ ਹੈ। ਰੁਝਾਨ ਲਾਈਨ ਨੂੰ ਬਹੁਤ ਜ਼ਿਆਦਾ ਨਿਰਵਿਘਨ ਨਾ ਕਰੋ।
3. ਇਕਸਾਰਤਾ ਆਡਿਟ:
ਇਮਾਨਦਾਰ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਲਈ ਹੇਠਾਂ ਦਿੱਤੇ ggplot ਕੋਡ ਦੀ ਜਾਂਚ ਕਰੋ:[code]। ਹੇਠਾਂ ਦਿੱਤੀ ਜਾਂਚ ਕਰੋ ਅਤੇ ਠੀਕ ਕਰੋ: ਕੀ y-ਧੁਰਾ ਜ਼ੀਰੋ ਤੋਂ ਸ਼ੁਰੂ ਹੁੰਦਾ ਹੈ, ਕੀ ਪੈਮਾਨਾ ਇਕਸਾਰ ਹੈ, ਕੀ ਨਮੂਨੇ ਦਾ ਆਕਾਰ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ, ਕੀ ਬਹੁਤ ਜ਼ਿਆਦਾ ਸਮੂਥਿੰਗ ਹੈ? ਤੁਹਾਡੇ ਦੁਆਰਾ ਕੀਤੇ ਗਏ ਹਰੇਕ ਸੁਧਾਰ ਲਈ ਤਰਕ ਦੀ ਵਿਆਖਿਆ ਕਰੋ।
4. ਇੱਕ ਖੋਜ ਨੋਟ ਤਿਆਰ ਕਰਨਾ (ਖੋਜ ਨਹੀਂ):
ਮੇਰੇ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਗਏ ਗ੍ਰਾਫਾਂ ਦੇ ਆਧਾਰ 'ਤੇ, 'ਡਿਸਕਵਰੀ ਨੋਟ' ਵਜੋਂ ਨਿਰੀਖਣਾਂ ਦੀ ਸੂਚੀ ਬਣਾਓ; ਹਰੇਕ ਆਈਟਮ ਨੂੰ 'ਪਰੀਖਣ ਲਈ ਪਰੀਖਿਆ' ਦੀ ਭਾਸ਼ਾ ਵਿੱਚ ਲਿਖੋ, ਨਾ ਕਿ 'ਨਿਰਣਾਇਕ ਖੋਜ'। ਉਦਾਹਰਨ: 'ਉੱਚ ਸਿੱਖਿਆ ਵਿੱਚ ਆਮਦਨੀ ਵਧੇਰੇ ਫੈਲਦੀ ਹੈ; ਵੱਖਰੇ ਡੇਟਾ ਨਾਲ ਟੈਸਟ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।' ਕਾਰਣ ਅਤੇ ਨਿਸ਼ਚਿਤ ਬਿਆਨਾਂ ਤੋਂ ਬਚੋ।
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ:
ਉਪਜ ਤੋਂ ਚੰਗੇ ਗ੍ਰਾਫ਼ ਬਣਾਓ ਅਤੇ ਮੈਨੂੰ ਦੱਸੋ ਕਿ ਉਹਨਾਂ ਦਾ ਕੀ ਮਤਲਬ ਹੈ।
ਇਹ ਪ੍ਰੋਂਪਟ ਗੁੰਮਰਾਹਕੁੰਨ ਆਉਟਪੁੱਟ ਨੂੰ ਸੱਦਾ ਦਿੰਦਾ ਹੈ: "ਸੁੰਦਰ" ਸੁਹਜ 'ਤੇ ਕੇਂਦ੍ਰਤ ਕਰਦਾ ਹੈ, ਜਦੋਂ ਕਿ "ਇਸਦਾ ਕੀ ਅਰਥ ਹੈ" AI ਨੂੰ ਖੋਜ ਤੋਂ ਨਿਸ਼ਚਿਤ ਸਿੱਟੇ 'ਤੇ ਜਾਣ ਲਈ ਧੱਕਦਾ ਹੈ। ਕਾਰਨ, ਅਤਿਕਥਨੀ ਵਾਲੀਆਂ ਟਿੱਪਣੀਆਂ ਦੀ ਪਾਲਣਾ ਕਰਦੇ ਹਨ.
ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰਾਉਟ:
ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਇਮਾਨਦਾਰ EDA ਸਹਾਇਕ। ਕੰਮ: (1) ਮੇਰੇ ਸਵਾਲ ਦੇ ਅਨੁਕੂਲ ਚਾਰਟ ਦੀ ਕਿਸਮ ਚੁਣੋ ਅਤੇ ਤਰਕਸੰਗਤ ਲਿਖੋ, (2) ਬਾਰ ਚਾਰਟ ਵਿੱਚ ਜ਼ੀਰੋ ਤੋਂ ਧੁਰਾ ਸ਼ੁਰੂ ਕਰੋ, (3) ਡਿਸਕਵਰੀ ਨੋਟ ਭਾਸ਼ਾ ਵਿੱਚ ਆਉਟਪੁੱਟ ਦੀ ਵਿਆਖਿਆ ਕਰੋ: ਕੋਈ ਨਿਸ਼ਚਤ/ਕਾਰਣਕ ਦਾਅਵਾ ਨਹੀਂ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ ਕਿ "ਟੈਸਟ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ" ਵਿੱਚ ਪਰਿਕਲਪਨਾ ਦਾ ਸੁਝਾਅ ਦਿੱਤਾ ਗਿਆ ਹੈ, ਜੇਕਰ ਨਮੂਨਾ (4) ਛੋਟੀ ਭਾਸ਼ਾ ਵਿੱਚ ਚਲਾਇਆ ਜਾਵੇਗਾ (3) ਮੇਰੇ ਆਪਣੇ ਵਾਤਾਵਰਣ ਵਿੱਚ ਚਾਰਟ ਅਤੇ ਇਸਦੀ ਪੁਸ਼ਟੀ ਕਰੋ.
ਅੰਤਰ: ਮਜ਼ਬੂਤ ਇੱਛਾ ਚਾਰਟ ਦੀ ਕਿਸਮ ਨੂੰ ਜਾਇਜ਼ ਠਹਿਰਾਉਂਦੀ ਹੈ, ਇਮਾਨਦਾਰੀ ਦੇ ਨਿਯਮ ਲਾਗੂ ਕਰਦੀ ਹੈ ਅਤੇ ਪੁਸ਼ਟੀ ਨਾਲ ਖੋਜ ਨੂੰ ਉਲਝਾਉਂਦੀ ਨਹੀਂ ਹੈ।
ਤਿੰਨ ਛੋਟੇ ਕੇਸ
ਕੇਸ 1 - ਵੱਖਰੇ ਧੁਰੇ ਦੀ ਅਤਿਕਥਨੀ। ਇੱਕ ਵਿਸ਼ਲੇਸ਼ਕ ਨੇ ਬਾਰ ਚਾਰਟ ਵਿੱਚ ਦੋ ਸ਼ਾਖਾਵਾਂ (7.8 ਅਤੇ 8.0; 10 ਵਿੱਚੋਂ) ਦੇ ਸੰਤੁਸ਼ਟੀ ਸਕੋਰ ਦਿਖਾਏ। YZ ਧੁਰੇ ਨੂੰ 7.5 ਤੋਂ ਸ਼ੁਰੂ ਕਰਦੇ ਸਮੇਂ, ਦੂਜੀ ਸ਼ਾਖਾ ਪਹਿਲੀ ਨਾਲੋਂ ਲਗਭਗ ਦੁੱਗਣੀ ਉੱਚੀ ਦਿਖਾਈ ਦਿੱਤੀ; ਜਦਕਿ ਫਰਕ ਸਿਰਫ 2.5% ਸੀ। ਪ੍ਰਬੰਧਨ ਗਲਤ ਪ੍ਰਭਾਵ ਹੇਠ ਇੱਕ ਸ਼ਾਖਾ ਨੂੰ ਇਨਾਮ ਦੇਣ ਬਾਰੇ ਸੀ. ਜਦੋਂ ਮੈਂ ਸਕ੍ਰੈਚ ਤੋਂ ਧੁਰਾ ਸ਼ੁਰੂ ਕੀਤਾ ਤਾਂ ਅੰਤਰ ਲਗਭਗ ਅਦਿੱਖ ਸੀ। ਪਾਠ: ਧੁਰੇ ਦੀ ਚੋਣ ਹੀ ਧਾਰਨਾ ਨੂੰ ਬਦਲਦੀ ਹੈ।
ਕੇਸ 2 - ਸਬੰਧਾਂ 'ਤੇ ਭਰੋਸਾ ਕਰਨਾ ਅਤੇ ਚਾਰਟ ਨੂੰ ਛੱਡਣਾ। ਇੱਕ ਖੋਜਕਰਤਾ ਨੇ ਦੋ ਵੇਰੀਏਬਲਾਂ ਵਿਚਕਾਰ r = 0.81 ਦੇਖਿਆ ਅਤੇ "ਮਜ਼ਬੂਤ ਰੇਖਿਕ ਸਬੰਧ" ਲਿਖਿਆ। ਜਦੋਂ ਉਸਦੇ ਸਲਾਹਕਾਰ ਨੇ ਸਕੈਟਰ ਪਲਾਟ ਲਈ ਪੁੱਛਿਆ, ਤਾਂ ਇਹ ਦੇਖਿਆ ਗਿਆ ਕਿ ਸਬੰਧ ਅਸਲ ਵਿੱਚ ਇੱਕ ਸਿੰਗਲ ਅਤਿਅੰਤ ਨਿਰੀਖਣ ਦੇ ਕਾਰਨ ਸੀ, ਅਤੇ ਜਦੋਂ ਉਸ ਬਿੰਦੂ ਨੂੰ ਹਟਾ ਦਿੱਤਾ ਗਿਆ, ਤਾਂ ਸਬੰਧ 0.12 ਤੱਕ ਘਟ ਗਿਆ। ਸਬਕ: ਸਬੰਧਾਂ ਦੀ ਗਿਣਤੀ ਗ੍ਰਾਫ ਦਾ ਕੋਈ ਬਦਲ ਨਹੀਂ ਹੈ; ਹਮੇਸ਼ਾ ਸਕੈਟਰ ਨੂੰ ਵੇਖੋ.
ਕੇਸ 3 - ਪੁਸ਼ਟੀ ਦੇ ਨਾਲ ਉਲਝਣ ਵਾਲੀ ਖੋਜ। ਇੱਕ ਵਿਦਿਆਰਥੀ ਨੇ ਇੱਕ 40-ਵੇਰੀਏਬਲ ਡੇਟਾ ਸੈੱਟ ਵਿੱਚ ਸਾਰੇ ਜੋੜੇ ਅਨੁਸਾਰ ਸਬੰਧਾਂ ਨੂੰ ਦੇਖਿਆ, ਸਭ ਤੋਂ ਉੱਚੇ (r=0.52) ਨੂੰ ਚੁਣਿਆ ਅਤੇ ਲਿਖਿਆ, "ਸਾਨੂੰ ਸਿੱਖਿਆ ਅਤੇ ਬਚਤ (p=0.004) ਵਿਚਕਾਰ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਸਬੰਧ ਮਿਲਿਆ।" ਹਾਲਾਂਕਿ, 40 ਵੇਰੀਏਬਲਾਂ ਵਿੱਚ ਸੈਂਕੜੇ ਜੋੜੇ ਸਨ; ਸਭ ਤੋਂ ਉੱਚਾ ਚੁਣਨਾ ਮੌਕਾ ਦੇ ਕਾਰਨ ਇੱਕ ਗਲਤ ਖੋਜ ਸੀ। ਪਾਠ: ਖੋਜੇ ਗਏ ਪੈਟਰਨ ਨੂੰ ਉਸੇ ਡੇਟਾ ਵਿੱਚ "ਟੈਸਟ ਅਤੇ ਮਹੱਤਵਪੂਰਨ ਘੋਸ਼ਿਤ" ਨਹੀਂ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ; ਵੱਖਰੀ ਪੁਸ਼ਟੀ ਦੀ ਲੋੜ ਹੈ।
ਆਮ ਗਲਤੀਆਂ
- ਬਾਰ ਚਾਰਟ ਵਿੱਚ ਧੁਰੇ ਨੂੰ ਜ਼ੀਰੋ ਤੋਂ ਸ਼ੁਰੂ ਨਹੀਂ ਕਰਨਾ। ਇਹ ਛੋਟੇ ਫਰਕ ਨੂੰ ਵਧਾ-ਚੜ੍ਹਾ ਕੇ ਦੱਸਦਾ ਹੈ; ਸਭ ਤੋਂ ਆਮ ਵਿਜ਼ੂਅਲ ਝੂਠ. ਹਮੇਸ਼ਾ ਜਾਂਚ ਕਰੋ।
- ਸਬੰਧਾਂ ਨੂੰ ਦੇਖਦੇ ਹੋਏ ਅਤੇ ਚਾਰਟ ਨੂੰ ਛੱਡਣਾ. ਇੱਕੋ ਹੀ ਸਬੰਧ ਬਹੁਤ ਵੱਖਰੇ ਪੈਟਰਨਾਂ ਤੋਂ ਆਉਂਦਾ ਹੈ; ਇੱਕ ਬਾਹਰਲੇ ਰਿਸ਼ਤੇ ਨੂੰ ਫਿੱਟ ਕਰ ਸਕਦਾ ਹੈ. ਪਹਿਲੀ, ਖਿੰਡਾਉਣ.
- ਖੋਜ ਵਿੱਚ ਪਾਏ ਗਏ ਪੈਟਰਨ ਨੂੰ ਉਸੇ ਡੇਟਾ ਵਿੱਚ "ਸਬੂਤ" ਵਜੋਂ ਮੰਨਣਾ. ਇਹ ਪੀ-ਹੈਕਿੰਗ ਦਾ ਗੇਟਵੇ ਹੈ; ਪੁਸ਼ਟੀ ਵੱਖਰੇ ਤੌਰ 'ਤੇ ਕੀਤੀ ਜਾਂਦੀ ਹੈ.
- ਗਲਤ ਚਾਰਟ ਕਿਸਮ। ਮੇਲ ਜਿਵੇਂ ਕਿ ਰੁਝਾਨ ਲਈ ਪੱਟੀ ਅਤੇ ਵੰਡ ਲਈ ਪਾਈ ਗੁੰਮਰਾਹਕੁੰਨ ਹਨ। ਸਵਾਲ ਦੇ ਆਧਾਰ 'ਤੇ ਇੱਕ ਸ਼ੈਲੀ ਚੁਣੋ।
- ਨਮੂਨੇ ਦੇ ਆਕਾਰ ਨੂੰ ਲੁਕਾਉਣਾ। n=8 ਅਤੇ n=8,000 ਇੱਕੋ ਗ੍ਰਾਫ਼ 'ਤੇ ਇੱਕੋ ਜਿਹੇ ਨਹੀਂ ਦਿਸਣੇ ਚਾਹੀਦੇ ਹਨ; ਅਨਿਸ਼ਚਿਤਤਾ ਦਿਖਾਉਣੀ ਚਾਹੀਦੀ ਹੈ।
ਸੁਝਾਅ: ਇੱਕ ਚਾਰਟ ਪ੍ਰਕਾਸ਼ਿਤ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ, ਆਪਣੇ ਆਪ ਤੋਂ ਪੁੱਛੋ: "ਜੇ ਮੈਂ ਧੁਰਾ ਬਦਲਦਾ ਹਾਂ ਤਾਂ ਕੀ ਕਹਾਣੀ ਬਦਲ ਜਾਵੇਗੀ?" ਜੇਕਰ ਜਵਾਬ ਹਾਂ ਵਿੱਚ ਹੈ, ਤਾਂ ਤੁਸੀਂ ਸ਼ਾਇਦ ਇੱਕ ਬੇਈਮਾਨ ਜਗ੍ਹਾ ਤੋਂ ਧੁਰੀ ਸ਼ੁਰੂ ਕੀਤੀ ਹੈ।
ਸਾਰੰਸ਼ ਵਿੱਚ
ਖੋਜੀ ਡੇਟਾ ਵਿਸ਼ਲੇਸ਼ਣ ਡੇਟਾ ਨੂੰ ਪੂਰਾ ਕਰਨ, ਪੈਟਰਨਾਂ ਨੂੰ ਵੇਖਣ ਅਤੇ ਅਨੁਮਾਨਾਂ ਨੂੰ ਬਣਾਉਣ ਦਾ ਪੜਾਅ ਹੈ; ਇਹ ਕੋਈ ਪੁਸ਼ਟੀ ਨਹੀਂ ਹੈ। AI ਤੇਜ਼ੀ ਨਾਲ ਵਰਣਨਯੋਗ ਅੰਕੜੇ ਅਤੇ ਗ੍ਰਾਫ ਕੋਡ ਤਿਆਰ ਕਰਦਾ ਹੈ, ਪਰ ਤੁਸੀਂ ਆਪਣੇ ਸਵਾਲ ਦੇ ਆਧਾਰ 'ਤੇ ਗ੍ਰਾਫ ਦੀ ਕਿਸਮ ਚੁਣਦੇ ਹੋ ਅਤੇ ਨਿਰਪੱਖਤਾ ਦੇ ਸਿਧਾਂਤਾਂ (ਜ਼ੀਰੋ ਧੁਰੇ, ਇਕਸਾਰ ਪੈਮਾਨੇ, ਸਪੱਸ਼ਟ ਅਨਿਸ਼ਚਿਤਤਾ) ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰਦੇ ਹੋ। ਸਬੰਧ ਨੰਬਰ 'ਤੇ ਭਰੋਸਾ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਸਕੈਟਰ ਨੂੰ ਦੇਖੋ; ਖੋਜ ਵਿੱਚ ਮਿਲੇ ਪੈਟਰਨ ਨੂੰ ਉਸੇ ਡੇਟਾ ਵਿੱਚ "ਸਬੂਤ" ਵਜੋਂ ਘੋਸ਼ਿਤ ਨਾ ਕਰੋ। AI ਦੇ ਇੱਕ ਸੁੰਦਰ ਗ੍ਰਾਫ ਦਾ ਮਤਲਬ ਇੱਕ ਸਹੀ ਗ੍ਰਾਫ਼ ਨਹੀਂ ਹੈ।
ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ
ਇੱਕ ਡਾਟਾ ਸੈੱਟ ਵਿੱਚ ਘੱਟੋ-ਘੱਟ ਤਿੰਨ ਵੇਰੀਏਬਲ ਚੁਣੋ। ਏਆਈ ਨੂੰ ਪੁੱਛੋ ਅਤੇ ਕੋਡ ਚਲਾਓ ਜੋ ਇਮਾਨਦਾਰੀ ਦੇ ਨਿਯਮਾਂ ਨੂੰ ਲਾਗੂ ਕਰਨ ਵਾਲੇ ਪ੍ਰੋਂਪਟ ਨਾਲ ਖੋਜੀ ਗ੍ਰਾਫ (ਹਿਸਟੋਗ੍ਰਾਮ, ਸਕੈਟਰ, ਬਾਕਸਡ) ਤਿਆਰ ਕਰਦਾ ਹੈ। ਹਰੇਕ ਚਾਰਟ ਲਈ: (1) ਪ੍ਰਸ਼ਨ ਲਈ ਚਾਰਟ ਕਿਸਮ ਦੀ ਅਨੁਕੂਲਤਾ, (2) ਧੁਰੇ ਦੀ ਇਮਾਨਦਾਰੀ, (3) ਨਮੂਨੇ ਦੇ ਆਕਾਰ ਦੀ ਦਿੱਖ ਦੀ ਜਾਂਚ ਕਰੋ। ਪਰਿਕਲਪਨਾ ਦੀ ਭਾਸ਼ਾ ਵਿੱਚ ਘੱਟੋ-ਘੱਟ ਇੱਕ "ਖੋਜ ਨੋਟ" ਲਿਖੋ ("...ਵੱਖਰੇ ਤੌਰ 'ਤੇ ਟੈਸਟ ਕੀਤਾ ਜਾਪਦਾ ਹੈ")। ਗਿਣਤੀ ਅਤੇ ਸਕੈਟਰ ਦੋਵਾਂ ਨਾਲ ਸਬੰਧਾਂ ਦੀ ਜਾਂਚ ਕਰੋ ਅਤੇ ਰਿਪੋਰਟ ਕਰੋ ਜੇਕਰ ਉਹਨਾਂ ਵਿੱਚ ਕੋਈ ਅੰਤਰ ਹੈ।
ਚੈੱਕਲਿਸਟ
- [ ] ਮੈਂ ਆਪਣੇ ਸਵਾਲ ਅਤੇ ਡੇਟਾ ਕਿਸਮ ਦੇ ਆਧਾਰ 'ਤੇ ਚਾਰਟ ਕਿਸਮ ਦੀ ਚੋਣ ਕੀਤੀ।
- [ ] ਬਾਰ ਚਾਰਟ ਵਿੱਚ, ਮੈਂ y-ਧੁਰੇ ਨੂੰ ਜ਼ੀਰੋ ਤੋਂ ਸ਼ੁਰੂ ਕਰਦਾ ਹਾਂ; ਮੈਂ ਧੁਰੇ ਦੀ ਇਮਾਨਦਾਰੀ ਦੀ ਜਾਂਚ ਕੀਤੀ.
- [ ] ਮੈਂ ਸਬੰਧ 'ਤੇ ਭਰੋਸਾ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਸਕੈਟਰਪਲਾਟ ਨੂੰ ਦੇਖਿਆ।
- [ ] ਮੈਂ ਗ੍ਰਾਫ 'ਤੇ ਨਮੂਨੇ ਦੇ ਆਕਾਰ ਅਤੇ ਅਨਿਸ਼ਚਿਤਤਾ ਨੂੰ ਪ੍ਰਤੀਬਿੰਬਤ ਕੀਤਾ।
- [ ] ਮੈਂ ਖੋਜ ਵਿੱਚ ਪਾਏ ਗਏ ਪੈਟਰਨਾਂ ਨੂੰ "ਸਬੂਤ" ਦੀ ਬਜਾਏ "ਪਰੀਖਣ ਲਈ ਪਰਿਕਲਪਨਾ" ਵਜੋਂ ਲਿਖਿਆ।
- [ ] ਮੈਂ ਨੋਟ ਕੀਤਾ ਹੈ ਕਿ ਮੈਂ ਪੁਸ਼ਟੀ ਲਈ ਇੱਕੋ ਡੇਟਾ ਦੀ ਵਰਤੋਂ ਨਹੀਂ ਕਰਾਂਗਾ ਅਤੇ ਇੱਕ ਵੱਖਰੇ ਕਦਮ ਦੀ ਲੋੜ ਸੀ।