ChatGPT ਵਿੱਚ ਸਾਰਣੀਆਂ ਨਾਲ ਕੰਮ ਕਰਨਾ
ਜਦੋਂ ਤੁਸੀਂ ਕੋਈ ਫ਼ਾਈਲ ਅੱਪਲੋਡ ਕਰਦੇ ਹੋ, ਤਾਂ ChatGPT ਆਪਣੇ-ਆਪ ਇੱਕ ਪਰਸਪਰ ਕਿਰਿਆਸ਼ੀਲ ਸਾਰਣੀ ਦ੍ਰਿਸ਼ ਬਣਾਉਂਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਤੁਸੀਂ ਆਪਣੇ ਅੰਕੜਿਆਂ ਨੂੰ ਸਕ੍ਰੋਲ ਕਰ ਸਕਦੇ ਹੋ ਅਤੇ ਸਾਰੀਆਂ ਕਤਾਰਾਂ ਤੇ ਕਾਲਮ ਦੇਖ ਸਕਦੇ ਹੋ.
ਫ਼ਾਈਲ ਅੱਪਲੋਡ ਹੋਣ ਤੋਂ ਬਾਅਦ, ਤੁਸੀਂ ਡਾਟਾ-ਸਮੂਹ ਨਾਲ ਸੰਬੰਧਿਤ ਹੋਰ ਸਵਾਲ ਪੁੱਛ ਸਕਦੇ ਹੋ. ਪ੍ਰੌੰਪਟਾਂ ਵਿੱਚ ਖ਼ਾਸ ਕਾਰਵਾਈਆਂ ਦੱਸਣ ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ—ChatGPT ਤੋਂ ਨਤੀਜੇ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ “ਵਿਸ਼ਲੇਸ਼ਣ ਕਰੋ” ਜਾਂ “ਤੁਲਨਾ ਕਰੋ” ਵਰਗੀਆਂ ਸੁਭਾਵਿਕ ਭਾਸ਼ਾ ਦੀਆਂ ਹਦਾਇਤਾਂ ਕਾਫ਼ੀ ਹਨ.
ਤੁਸੀਂ ਆਉਟਪੁੱਟ ਨੂੰ ਸਾਰਣੀ ਦੇ ਰੂਪ ਵਿੱਚ ਬਣਾਉਣ ਦੀ ਬੇਨਤੀ ਕਰਕੇ ChatGPT ਵਿੱਚ ਸਿੱਧੇ ਵੀ ਸਾਰਣੀਆਂ ਬਣਾ ਸਕਦੇ ਹੋ.
ਆਪਣੇ ਅੰਕੜਿਆਂ ਨੂੰ ਹੋਰ ਚੰਗੀ ਤਰ੍ਹਾਂ ਦੇਖਣ ਲਈ, ਤੁਸੀਂ ਸਾਰਣੀ ਦੇ ਉੱਪਰਲੇ ਸੱਜੇ ਕੋਨੇ ਵਿੱਚ ਮੌਜੂਦ ਦੋ ਤੀਰਾਂ 'ਤੇ ਕਲਿੱਕ ਕਰਕੇ ਇਸਨੂੰ ਵੱਡਾ ਕਰ ਸਕਦੇ ਹੋ:
ਸਾਰਣੀ ਦ੍ਰਿਸ਼ ਵਿੱਚ, ਤੁਸੀਂ ਕੋਈ ਖ਼ਾਸ ਕਤਾਰ ਜਾਂ ਕਾਲਮ ਚੁਣ ਸਕਦੇ ਹੋ ਅਤੇ ਉਜਾਗਰ ਕੀਤੇ ਅੰਕੜਿਆਂ ਬਾਰੇ ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਪ੍ਰੌੰਪਟ ਬਣਾ ਸਕਦੇ ਹੋ. ਉਦਾਹਰਨ ਲਈ, ਇੱਥੇ ਅਸੀਂ ਇੱਕ ਕਾਲਮ ਚੁਣਿਆ ਹੈ ਅਤੇ ਸਭ ਤੋਂ ਵੱਧ ਵਾਰ ਦਿਖਾਈ ਦੇਣ ਵਾਲੀ ਆਈਟਮ ਬਾਰੇ ਪੁੱਛਿਆ ਹੈ.
Mac 'ਤੇ Command ਕੁੰਜੀ ਜਾਂ Windows 'ਤੇ Ctrl ਕੁੰਜੀ ਨੂੰ ਦਬਾਈ ਰੱਖ ਕੇ ਅਤੇ ਕਤਾਰਾਂ ਜਾਂ ਕਾਲਮਾਂ 'ਤੇ ਕਲਿੱਕ ਕਰਕੇ ਕਈ ਕਤਾਰਾਂ ਜਾਂ ਕਾਲਮ ਚੁਣੇ ਜਾ ਸਕਦੇ ਹਨ. ਕਿਸੇ ਇੱਕ ਸੈੱਲ 'ਤੇ ਕਲਿੱਕ ਕਰਕੇ ਅਤੇ ਮਨਚਾਹੇ ਖੇਤਰ ਨੂੰ ਘੇਰਨ ਲਈ ਮਾਊਸ ਖਿੱਚ ਕੇ ਕਈ ਸੈੱਲ ਵੀ ਚੁਣੇ ਜਾ ਸਕਦੇ ਹਨ.
ਕਈ ਆਈਟਮਾਂ ਚੁਣਨ ਤੋਂ ਬਾਅਦ, ਤੁਸੀਂ ChatGPT ਨੂੰ ਚੁਣੇ ਗਏ ਮੁੱਲਾਂ ਦੀ ਗਣਨਾ ਕਰਨ ਜਾਂ ਉਨ੍ਹਾਂ 'ਤੇ ਕੋਈ ਕਾਰਵਾਈ ਕਰਨ ਲਈ ਕਹਿ ਸਕਦੇ ਹੋ. ਉਦਾਹਰਨ ਵਜੋਂ, ਤੁਸੀਂ ਸੈੱਲਾਂ ਦੇ ਇੱਕ ਸਮੂਹ ਨੂੰ ਉਜਾਗਰ ਕਰਕੇ ChatGPT ਨੂੰ ਔਸਤ ਮੁੱਲ ਦੀ ਗਣਨਾ ਕਰਨ ਲਈ ਕਹਿ ਸਕਦੇ ਹੋ.
ChatGPT ਨਾਲ ਸਾਰਣੀਆਂ ਨੂੰ ਸੰਪਾਦਿਤ ਕਰਨਾ ਅਤੇ ਬਣਾਉਣਾ
ਤੁਸੀਂ ਆਪਣੀਆਂ ਮੌਜੂਦਾ ਸਾਰਣੀਆਂ ਅੱਪਲੋਡ ਕਰ ਸਕਦੇ ਹੋ ਅਤੇ ChatGPT ਨੂੰ ਅੱਪਡੇਟ ਕਰਨ ਲਈ ਪ੍ਰੌੰਪਟ ਦੇ ਕੇ ਉਨ੍ਹਾਂ ਨੂੰ ਸੰਪਾਦਿਤ ਕਰ ਸਕਦੇ ਹੋ. ਉਦਾਹਰਨ ਲਈ, ਤੁਸੀਂ ChatGPT ਨੂੰ ਔਸਤ ਮੁੱਲਾਂ ਵਾਲਾ ਕਾਲਮ ਜੋੜ ਕੇ ਸਾਰਣੀ ਅੱਪਡੇਟ ਕਰਨ ਲਈ ਪ੍ਰੌੰਪਟ ਦੇ ਸਕਦੇ ਹੋ.
ਤੁਸੀਂ ਉਨ੍ਹਾਂ ਕਾਲਮਾਂ, ਕਤਾਰਾਂ ਜਾਂ ਸੈੱਲਾਂ ਨੂੰ ਉਜਾਗਰ ਕਰਕੇ ChatGPT ਨੂੰ ਖ਼ਾਸ ਤਬਦੀਲੀਆਂ ਕਰਨ ਲਈ ਪ੍ਰੌੰਪਟ ਦੇ ਸਕਦੇ ਹੋ, ਜਿਨ੍ਹਾਂ ਦੇ ਆਧਾਰ 'ਤੇ ਤੁਸੀਂ ਅੱਪਡੇਟ ਚਾਹੁੰਦੇ ਹੋ. ਇੱਥੇ ਅਸੀਂ ਦੋ ਕਾਲਮ ਉਜਾਗਰ ਕੀਤੇ ਹਨ ਅਤੇ ਸਾਰਣੀ ਵਿੱਚ ਉਨ੍ਹਾਂ ਦੇ ਜੋੜ ਵਾਲਾ ਇੱਕ ਨਵਾਂ ਕਾਲਮ ਸ਼ਾਮਲ ਕਰਨ ਦੀ ਬੇਨਤੀ ਕੀਤੀ ਹੈ.
ਤੁਸੀਂ ਸਾਰਣੀ ਦੇ ਉੱਪਰਲੇ ਸੱਜੇ ਕੋਨੇ ਵਿੱਚ ਮੌਜੂਦ ਡਾਊਨਲੋਡ ਬਟਨ 'ਤੇ ਕਲਿੱਕ ਕਰਕੇ ChatGPT ਵੱਲੋਂ ਬਣਾਈ ਸਾਰਣੀ ਡਾਊਨਲੋਡ ਕਰ ਸਕਦੇ ਹੋ. ਕਿਰਪਾ ਕਰਕੇ ਧਿਆਨ ਦਿਓ ਕਿ ਡਾਊਨਲੋਡ ਕੀਤੀ ਫ਼ਾਈਲ CSV ਸਰੂਪ ਵਿੱਚ ਹੋਵੇਗੀ.
ChatGPT ਨਾਲ ਆਪਣੇ ਡਾਟਾ ਨੂੰ ਵਿਜੁਅਲਾਈਜ਼ ਕਰਨਾ
ਫਾਈਲ ਅੱਪਲੋਡ ਕਰਨ ਤੋਂ ਬਾਅਦ, ਤੁਸੀਂ ChatGPT ਨੂੰ ਇੱਕ ਸਟੈਟਿਕ ਚਾਰਟ ਬਣਾਉਣ ਲਈ ਪ੍ਰੌੰਪਟ ਕਰ ਸਕਦੇ ਹੋ। ਤੁਸੀਂ ChatGPT ਨੂੰ ਡਾਟਾਸੈੱਟ ਲਈ ਆਦਰਸ਼ ਚਾਰਟ ਕਿਸਮ ਨਿਰਧਾਰਤ ਕਰਨ ਦੇ ਸਕਦੇ ਹੋ, ਜਾਂ ਆਪਣੇ ਪ੍ਰੌੰਪਟ ਵਿੱਚ ਸਾਡੀਆਂ ਸਮਰਥਿਤ ਚਾਰਟ ਕਿਸਮਾਂ ਵਿੱਚੋਂ ਇੱਕ ਦੱਸ ਸਕਦੇ ਹੋ: ਲਾਈਨ ਗ੍ਰਾਫ, ਬਾਰ ਚਾਰਟ, ਪਾਈ ਚਾਰਟ, ਹਿਸਟੋਗ੍ਰਾਮ, ਸਕੈਟਰ ਪਲਾਟ, ਬਾਕਸ ਪਲਾਟ (Box-and-Whisker Plots), ਹੀਟ ਮੈਪ, ਏਰੀਆ ਚਾਰਟ, ਰੇਡਾਰ ਚਾਰਟ, ਟ੍ਰੀਮੈਪ, ਬਬਲ ਚਾਰਟ, ਅਤੇ ਵਾਟਰਫਾਲ ਚਾਰਟ।
ਕਿਰਪਾ ਕਰਕੇ ਧਿਆਨ ਦਿਓ ਕਿ ਇਸ ਸਮੇਂ ਜ਼ਿਆਦਾਤਰ ਮਾਮਲਿਆਂ ਵਿੱਚ ਸਿਰਫ਼ ਬਾਰ, ਪਾਈ, ਸਕੈਟਰ, ਅਤੇ ਲਾਈਨ ਚਾਰਟ ਹੀ ਇੰਟਰਐਕਟਿਵ ਹਨ।
ਜੇ ਕੋਈ ਚਾਰਟ ਕਿਸਮ ਨਿਰਧਾਰਤ ਨਹੀਂ ਕੀਤੀ ਗਈ, ਤਾਂ ChatGPT ਆਉਟਪੁੱਟ ਲਈ ਆਦਰਸ਼ ਚਾਰਟ ਕਿਸਮ ਨਿਰਧਾਰਤ ਕਰੇਗਾ।
ਚਾਰਟ ਦੇ ਉੱਪਰ-ਸੱਜੇ ਕੋਨੇ ਵਿੱਚ, ਤੁਸੀਂ ਚਾਰਟ ਨੂੰ ਡਾਊਨਲੋਡ ਕਰ ਸਕਦੇ ਹੋ ਜਾਂ ਇਸ ਦਾ ਆਕਾਰ ਵਧਾ ਸਕਦੇ ਹੋ। ਡਿਫਾਲਟ ਤੌਰ 'ਤੇ, ਡਾਊਨਲੋਡ ਕੀਤੇ ਚਾਰਟ PNG ਫਾਰਮੈਟ ਵਿੱਚ ਹੁੰਦੇ ਹਨ।
ਤੁਸੀਂ ਚਾਰਟ ਦੇ ਰੰਗਾਂ ਵਿੱਚ ਸੋਧ ਵੀ ਕਰ ਸਕਦੇ ਹੋ ਜਾਂ ਇਸ ਦੀ ਇੰਟਰਐਕਟਿਵਿਟੀ ਨੂੰ ਚਾਲੂ ਜਾਂ ਬੰਦ ਕਰ ਸਕਦੇ ਹੋ। ਰੰਗ ਬਦਲਦੇ ਸਮੇਂ, ਤੁਸੀਂ ਸਾਡੇ ਡਿਫਾਲਟ ਰੰਗਾਂ ਵਿੱਚੋਂ ਇੱਕ ਚੁਣ ਸਕਦੇ ਹੋ ਜਾਂ ਕਿਸੇ ਰੰਗ ਦਾ ਹੈਕਸ ਕੋਡ ਇਨਪੁੱਟ ਕਰ ਸਕਦੇ ਹੋ।
ਵਿਸ਼ਲੇਸ਼ਣ ਦੀਆਂ ਆਮ ਕਿਸਮਾਂ
ChatGPT ਨੂੰ ਵੱਖ-ਵੱਖ ਡਾਟਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਾਰਜ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ। ਕੁਝ ਆਮ ਕਾਰਜਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ:
ਅਸਧਾਰਣਤਾਵਾਂ ਦੀ ਪਛਾਣ ਅਤੇ ਘਟਾਅ
ਡਾਟਾ ਨਾਲ ਫੈਸਲੇ ਲੈਂਦੇ ਸਮੇਂ, ਇਹ ਯਕੀਨੀ ਬਣਾਉਣਾ ਮਹੱਤਵਪੂਰਨ ਹੈ ਕਿ ਤੁਹਾਡਾ ਸਰੋਤ ਡਾਟਾ ਜਿੰਨਾ ਸੰਭਵ ਹੋ ਸਕੇ ਸਹੀ ਹੋਵੇ। ChatGPT ਜਾਣਦਾ ਹੈ ਕਿ ਕਿਹੜਾ ਡਾਟਾ ਗੁੰਮ ਜਾਂ ਗਲਤ ਹੋ ਸਕਦਾ ਹੈ, ਇਸ ਦੀ ਪਛਾਣ ਕਿਵੇਂ ਕਰਨੀ ਹੈ। ਆਮ ਸਮੱਸਿਆਵਾਂ ਜਿਨ੍ਹਾਂ ਦੀ ਪਛਾਣ ਅਤੇ ਮੁਰੰਮਤ ChatGPT ਕਰ ਸਕਦਾ ਹੈ, ਇਹ ਹਨ:
ਗੁੰਮ ਮੁੱਲ
ਆਉਟਲਾਇਰ ਮੁੱਲ
ਡੁਪਲੀਕੇਟ ਕਤਾਰਾਂ
ਗਲਤ ਡਾਟਾ ਕਿਸਮਾਂ
ਆਪਣਾ ਵਿਸ਼ਲੇਸ਼ਣ ਇਸ ਤਰ੍ਹਾਂ ਦੇ ਪ੍ਰੌੰਪਟ ਨਾਲ ਸ਼ੁਰੂ ਕਰੋ: ਆਮ ਸਮੱਸਿਆਵਾਂ ਲਈ ਇਸ ਡਾਟਾ ਦੀ ਜਾਂਚ ਕਰੋ।
ਜਦੋਂ ChatGPT ਆਮ ਸਮੱਸਿਆਵਾਂ ਦੀ ਪਛਾਣ ਕਰ ਲੈਂਦਾ ਹੈ, ਤਾਂ ਤੁਸੀਂ ਇਸਨੂੰ ਉਹ ਸਮੱਸਿਆਵਾਂ ਠੀਕ ਕਰਨ ਲਈ ਕਹਿ ਸਕਦੇ ਹੋ। ਸਾਮ੍ਹਣੇ ਆਈਆਂ ਸਮੱਸਿਆਵਾਂ ਦੇ ਆਧਾਰ 'ਤੇ, ChatGPT ਤੁਹਾਨੂੰ ਚੁਣਨ ਲਈ ਕਈ ਵਿਕਲਪ ਦੇ ਸਕਦਾ ਹੈ। ਜੇ ਤੁਸੀਂ ਇਨ੍ਹਾਂ ਚੋਣਾਂ ਦੇ ਪ੍ਰਭਾਵਾਂ ਬਾਰੇ ਅਨਿਸ਼ਚਿਤ ਹੋ, ਤਾਂ ਹੋਰ ਜਾਣਕਾਰੀ ਲਈ ChatGPT ਨੂੰ ਪੁੱਛਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰੋ।
ਏਗਰੀਗੇਸ਼ਨ ਅਤੇ ਇੰਟੀਗ੍ਰੇਸ਼ਨ
ChatGPT ਵੱਡੀ ਮਾਤਰਾ ਵਿੱਚ ਸੰਰਚਿਤ ਡਾਟਾ ਇਕੱਠਾ ਕਰ ਸਕਦਾ ਹੈ, ਤਾਂ ਜੋ ਜਾਣਕਾਰੀ ਨੂੰ ਸਮਝਣ ਵਿੱਚ ਤੁਹਾਡੀ ਮਦਦ ਹੋ ਸਕੇ। ਕੁਝ ਏਗਰੀਗੇਸ਼ਨ ਜੋ ChatGPT ਕਰ ਸਕਦਾ ਹੈ, ਇਹ ਹਨ:
ਜੋੜ
ਔਸਤਾਂ (ਮੀਡਿਆਨ, ਮੀਨ, ਮੋਡ)
ਘੱਟੋ-ਘੱਟ ਅਤੇ ਵੱਧ ਤੋਂ ਵੱਧ ਮੁੱਲ
ਵੱਖਰੇ ਮੁੱਲਾਂ ਦੀ ਗਿਣਤੀ
ਸਟੈਂਡਰਡ ਡਿਵੀਏਸ਼ਨ
ਤੁਸੀਂ ਇੱਕ ਟੇਬਲ ਨੂੰ ਫੈਲਾ ਕੇ ਇੱਕ ਜਾਂ ਵੱਧ ਅੰਕੀ ਕਾਲਮ ਚੁਣ ਸਕਦੇ ਹੋ, ਅਤੇ ਫਿਰ ਇਸ ਤਰ੍ਹਾਂ ਦਾ ਪ੍ਰੌੰਪਟ ਵਰਤ ਸਕਦੇ ਹੋ: ਇਸ ਡਾਟਾ ਲਈ ਮੀਡਿਆਨ ਅਤੇ ਸਟੈਂਡਰਡ ਡਿਵੀਏਸ਼ਨ ਦੀ ਗਣਨਾ ਕਰੋ।
ChatGPT ਸਾਂਝੇ ਪਛਾਣਕਰਤਾਵਾਂ ਦੇ ਆਧਾਰ 'ਤੇ ਕਈ ਡਾਟਾਸੈੱਟਾਂ ਨੂੰ ਇਕੱਠੇ ਮਿਲਾ ਵੀ ਸਕਦਾ ਹੈ।
ਮੰਨ ਲਓ ਤੁਸੀਂ ਦੋ ਸਪ੍ਰੈਡਸ਼ੀਟਾਂ ਅੱਪਲੋਡ ਕਰਦੇ ਹੋ, ਇੱਕ ਜਿਸ ਵਿੱਚ ਗਾਹਕ ਹਨ ਅਤੇ ਇੱਕ ਜਿਸ ਵਿੱਚ ਖਰੀਦਾਂ ਹਨ। ਖਰੀਦ ਰਿਕਾਰਡ ਗਾਹਕ ਰਿਕਾਰਡਾਂ ਨਾਲ customer_id ਪ੍ਰਾਪਰਟੀ ਰਾਹੀਂ ਜੁੜੇ ਹੁੰਦੇ ਹਨ। ChatGPT ਜਾਣਦਾ ਹੈ ਕਿ ਦੋਹਾਂ ਫਾਈਲਾਂ ਨੂੰ ਇੱਕੋ ਡਾਟਾਸੈੱਟ ਵਿੱਚ ਕਿਵੇਂ ਇੰਟੀਗ੍ਰੇਟ ਕਰਨਾ ਹੈ, ਤਾਂ ਜੋ ਇਹ “ਗੋਲਡ ਪਲਾਨ ਵਾਲੇ ਗਾਹਕਾਂ ਵੱਲੋਂ ਕੀਤੀਆਂ ਸਾਰੀਆਂ ਖਰੀਦਾਂ ਦਾ ਕੁੱਲ ਕੀ ਹੈ?” ਵਰਗੇ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦੇ ਸਕੇ।
ਜਦੋਂ ਤੁਸੀਂ ਕੋਈ ਅਜਿਹਾ ਸਵਾਲ ਪੁੱਛਦੇ ਹੋ ਜਿਸ ਲਈ ਇਹ ਲੋੜੀਂਦਾ ਹੁੰਦਾ ਹੈ, ਤਾਂ ChatGPT ਤੁਹਾਡੇ ਲਈ ਡਾਟਾਸੈੱਟਾਂ ਨੂੰ ਆਪਣੇ ਆਪ ਮਿਲਾ ਦਿੰਦਾ ਹੈ।
ਉੱਨਤ ਅੰਕੜਾ ਵਿਸ਼ਲੇਸ਼ਣ
ChatGPT ਸਮਝਦਾ ਹੈ ਕਿ ਵੱਖ-ਵੱਖ ਕਿਸਮਾਂ ਦੇ ਅੰਕੜਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਿਵੇਂ ਕਰਨੇ ਹਨ, ਅਤੇ ਤੁਹਾਡੀਆਂ ਲੋੜਾਂ ਦੇ ਆਧਾਰ 'ਤੇ ਉਚਿਤ ਤਕਨੀਕਾਂ ਚੁਣ ਸਕਦਾ ਹੈ। ਵਿਸ਼ਲੇਸ਼ਣ ਦੀਆਂ ਕੁਝ ਕਿਸਮਾਂ ਜੋ ChatGPT ਕਰ ਸਕਦਾ ਹੈ, ਇਹ ਹਨ:
ਤੁਲਨਾਤਮਕ ਅੰਕੜੇ: ਇਸ ਵਿੱਚ ਵੱਖ-ਵੱਖ ਸਮੂਹਾਂ ਜਾਂ ਵੇਰੀਏਬਲਾਂ ਦੀ ਤੁਲਨਾ ਕਰਨਾ ਸ਼ਾਮਲ ਹੈ, ਤਾਂ ਜੋ ਉਨ੍ਹਾਂ ਦੇ ਅੰਤਰ ਜਾਂ ਸਮਾਨਤਾਵਾਂ ਨੂੰ ਸਮਝਿਆ ਜਾ ਸਕੇ। ਤਕਨੀਕਾਂ ਵਿੱਚ t-tests, ANOVA (ਵੈਰੀਅੰਸ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ), ਅਤੇ MANOVA (ਮਲਟੀਵੇਰੀਏਟ ਵੈਰੀਅੰਸ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ) ਸ਼ਾਮਲ ਹਨ।
ਕੋਰਿਲੇਸ਼ਨ ਅਤੇ ਰਿਗ੍ਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ: ਇਹ ਵਿਧੀਆਂ ਵੇਰੀਏਬਲਾਂ ਦੇ ਵਿਚਕਾਰ ਸੰਬੰਧ ਦਾ ਮੁਲਾਂਕਣ ਕਰਦੀਆਂ ਹਨ। ਕੋਰਿਲੇਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਸੰਬੰਧ ਦੀ ਮਜ਼ਬੂਤੀ ਅਤੇ ਦਿਸ਼ਾ ਨੂੰ ਮਾਪਦਾ ਹੈ, ਜਦਕਿ ਰਿਗ੍ਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਨਤੀਜਿਆਂ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਲਈ ਸੰਬੰਧ ਦਾ ਮਾਡਲ ਬਣਾਉਂਦਾ ਹੈ।
ਟਾਈਮ ਸੀਰੀਜ਼ ਵਿਸ਼ਲੇਸ਼ਣ: ਇਸ ਕਿਸਮ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਰੁਝਾਨਾਂ, ਚੱਕਰਾਂ ਅਤੇ ਮੌਸਮੀ ਪ੍ਰਭਾਵਾਂ ਦੀ ਪਛਾਣ ਕਰਨ ਲਈ ਸਮੇਂ ਦੇ ਨਾਲ ਇਕੱਠੇ ਕੀਤੇ ਡਾਟਾ ਬਿੰਦੂਆਂ ਦੀ ਜਾਂਚ ਕਰਦਾ ਹੈ। ਵਿਧੀਆਂ ਵਿੱਚ ARIMA (Autoregressive Integrated Moving Average) ਅਤੇ Seasonal Decomposition ਸ਼ਾਮਲ ਹਨ।
ਇਨ੍ਹਾਂ ਤਕਨੀਕਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨ ਲਈ ਤੁਹਾਨੂੰ ਡਾਟਾ ਸਾਇੰਟਿਸਟ ਹੋਣ ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ! ਜੇ ਤੁਹਾਨੂੰ ਪੱਕਾ ਨਹੀਂ ਕਿ ਤੁਹਾਡੇ ਡਾਟਾ ਲਈ ਕਿਹੜੀ ਤਕਨੀਕ ਸਭ ਤੋਂ ਉਚਿਤ ਹੈ, ਤਾਂ ChatGPT ਨੂੰ ਦੱਸਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰੋ ਕਿ ਤੁਸੀਂ ਕੀ ਸਮਝਣਾ ਚਾਹੁੰਦੇ ਹੋ, ਅਤੇ ਇਸਨੂੰ ਸਭ ਤੋਂ ਵਧੀਆ ਵਿਸ਼ਲੇਸ਼ਣ ਤਕਨੀਕ ਦੀ ਸਿਫ਼ਾਰਸ਼ ਕਰਨ ਲਈ ਕਹੋ। ਜੇ ਤੁਹਾਨੂੰ ਪੱਕਾ ਨਹੀਂ ਕਿ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਆਉਟਪੁੱਟ ਦੀ ਵਿਆਖਿਆ ਕਿਵੇਂ ਕਰਨੀ ਹੈ, ਤਾਂ ChatGPT ਨੂੰ ਇਹ ਤੁਹਾਨੂੰ ਸਮਝਾਉਣ ਲਈ ਕਹੋ। ਇੱਕ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਪ੍ਰੌੰਪਟ ਇਹ ਹੋ ਸਕਦਾ ਹੈ: ਕੀ ਇਸ ਵਿਸ਼ਲੇਸ਼ਣ ਬਾਰੇ ਕੁਝ ਧਿਆਨਯੋਗ ਜਾਂ ਅਸਧਾਰਣ ਹੈ?