ChatGPTʹRݴޠΛڭ͑ͯ΋Β͏ (Ծ) doradora09 2023-03-15

#{r, echo=F} #install.packages("tinytex") #tinytex::install_tinytex() #tinytex::tlmgr_install(c("collection-langjapanese", "pxrubrica")) # ΠϯτϩμΫγϣϯ ࣗݾ঺հɿNOB DATAͷେ৓Ͱ͢ɻࠓ೔͸෱Ԭ͔Β΍͖ͬͯ·ͨ͠ɻ ChatGPTɺΊͬͪΌ͍͢͝Ͱ͢ΑͶɻ https://openai.com/blog/chatgpt · · · 2/29

No content

RݴޠͰͷࣗવݴޠॲཧ΍σʔλ෼ੳͷՄೳੑ (by ChatGPT) ςΩετσʔλͷલॲཧ΍ղੳ͕༰қʹͰ͖Δ σʔλͷՄࢹԽ͕ڧྗͰɺଟ༷ͳάϥϑΟοΫεΛੜ੒Մೳ ػցֶश΍౷ܭϞσϦϯάʹ๛෋ͳύοέʔδ͕ଘࡏ ΦʔϓϯιʔεͰɺੈքதͷ։ൃऀʹΑͬͯαϙʔτ͞Ε͍ͯΔ · · · · 3/29

ChatGPTΛ࢖ͬͯRݴޠΛֶͿϝϦοτ(by ChatGPT) ࣗવݴޠͰ࣭໰Λ౤͔͚͛Δ͜ͱ͕Ͱ͖ΔͨΊɺཧղ͠΍͍͢ ࣭໰ʹର͢Δճ౴͕୹࣌ؒͰಘΒΕΔͨΊɺޮ཰తͳֶश͕Մೳ ஌ࣝΛ૿΍͚ͩ͢Ͱͳ͘ɺ࣮ࡍͷίʔσΟϯάͷ໰୊ղܾ΋αϙʔτ ॳֶऀ͔Β্ڃऀ·Ͱɺ෯޿͍Ϩϕϧͷ࣭໰ʹରԠ · · · · 4/29

େ৓ݸਓͱͯ͠ ΍͸Γɺ௕೥ͷ෼ੳͷ஌ݟͱਓ຺ͱͯ͠ͷRݴޠˍίϛϡχςΟ͸وॏ ଟ෼ɺR <-> Pythonަྲྀ΋ChatGPTΛ࢖͑͹ḿΔ͸ͣ(ࠓճ͸ׂѪ) ෼ੳॳ৺ऀʹͱͬͯ΋ChatGPT͸ྑ͍૬๮ʹͳΔͷͰ͸ʁ(σʔλڭҭɺࠓ೔ ͸ͪ͜Β) · · · 5/29

ChatGPTΛ࢖ͬͨRݴޠͷֶशํ๏ ChatGPTʹ࣭໰Λ౤͔͚͛ΔܗࣜͰਐΊͯΈΔ ྫ͑͹ɺʮirisσʔλͷαϯϓϧίʔυΛڭ͍͑ͯͩ͘͞ʯͱฉ͍ͨ৔߹ (ϖϯΪϯʹ͍ͭͯ͸ׂѪ) · · · 6/29

ChatGPTʹݴΘΕΔ͕··ɺirisσʔληοτΛ ࢖ͬͨσϞΛ࣮ߦ ### データの概要 head(iris) ## Sepal.Length Sepal.Width Petal.Length Petal.Width Species ## 1 5.1 3.5 1.4 0.2 setosa ## 2 4.9 3.0 1.4 0.2 setosa ## 3 4.7 3.2 1.3 0.2 setosa ## 4 4.6 3.1 1.5 0.2 setosa ## 5 5.0 3.6 1.4 0.2 setosa ## 6 5.4 3.9 1.7 0.4 setosa 7/29

###基本的な統計量 summary(iris) ## Sepal.Length Sepal.Width Petal.Length Petal.Width ## Min. :4.300 Min. :2.000 Min. :1.000 Min. :0.100 ## 1st Qu.:5.100 1st Qu.:2.800 1st Qu.:1.600 1st Qu.:0.300 ## Median :5.800 Median :3.000 Median :4.350 Median :1.300 ## Mean :5.843 Mean :3.057 Mean :3.758 Mean :1.199 ## 3rd Qu.:6.400 3rd Qu.:3.300 3rd Qu.:5.100 3rd Qu.:1.800 ## Max. :7.900 Max. :4.400 Max. :6.900 Max. :2.500 ## Species ## setosa :50 ## versicolor:50 ## virginica :50 ## ## ## 8/29

###散布図行列 pairs(iris[, 1:4], main = "Iris Data", pch = 21, bg = c("red", "green3", "blue") [unclass(iris$Species)]) 9/29

irisσʔληοτΛ࢖ͬͨσϞᶄ ࣍ʹɺʮirisσʔληοτΛ༻͍ͯ༧ଌϞσϧΛߏங͍ͯͩ͘͠͞ʯͱฉ͍ͨ ৔߹ ॳֶऀͩͱʮ༧ଌϞσϧ࡞Δʹ͸Ͳ͏ͨ͠Β͍͍Ͱ͔͢ʁʯͱ͔ͷ࣭໰ྗ͸ ඞཁ͔΋ · · 10/29

࣮ߦ # 必要なパッケージをインストール #install.packages("caret") #install.packages("rpart") # パッケージを読み込む library(caret) ## Loading required package: ggplot2 ## Loading required package: lattice library(rpart) # データセットを学習データとテストデータに分割（例えば、75%を学習データ、25%をテストデータとする） set.seed(42) trainIndex <- createDataPartition(iris$Species, p = 0.75, list = FALSE) train_data <- iris[trainIndex, ] test_data <- iris[-trainIndex, ] # 決定木モデルを構築 model <- rpart(Species ~ ., data = train_data, method = "class") 11/29

# モデルの予測精度を評価 predictions <- predict(model, test_data, type = "class") confusionMatrix(predictions, test_data$Species) ## Confusion Matrix and Statistics ## ## Reference ## Prediction setosa versicolor virginica ## setosa 12 0 0 ## versicolor 0 11 4 ## virginica 0 1 8 ## ## Overall Statistics ## ## Accuracy : 0.8611 ## 95% CI : (0.705, 0.9533) ## No Information Rate : 0.3333 ## P-Value [Acc > NIR] : 8.705e-11 ## ## Kappa : 0.7917 ## ## Mcnemar's Test P-Value : NA ## ## Statistics by Class: ## 12/29

irisσʔληοτΛ࢖ͬͨσϞᶅ ࣍ʹɺʮ݁ՌΛ෼͔Γ΍͘͢ggplot2ͰՄࢹԽͯ͘͠Εʯͱݴͬͨ৔߹ · # 必要なパッケージをインストール #install.packages("ggplot2") #install.packages("GGally") # パッケージを読み込む library(ggplot2) library(GGally) ## Registered S3 method overwritten by 'GGally': ## method from ## +.gg ggplot2 # テストデータに予測結果を追加 test_data$PredictedSpecies <- predictions # 散布図行列を作成 plot <- ggpairs( test_data, columns = 1:4, mapping = ggplot2::aes(color = PredictedSpecies, shape = Species), 13/29

print(plot) 14/29

irisσʔληοτΛ࢖ͬͨσϞᶆ ઌ΄ͲͷίʔυΛೖΕͯɺਤͷݟํΛڭ͑ͯཉ͍͠ͱݴͬͨ৔߹ͷChatGPT ͷճ౴ɻίʔυͷղઆ΋ͯ͘͠ΕΔɻ · 15/29

irisσʔληοτΛ࢖ͬͨσϞᶆ ઌ΄ͲͷίʔυΛೖΕͯɺਤͷݟํΛڭ͑ͯཉ͍͠ͱݴͬͨ৔߹ͷChatGPT ͷճ౴ɻίʔυͷղઆ΋ͯ͘͠ΕΔɻ · 16/29

શવ࿩͕มΘͬͯࢥ͍͖ͭͰ౤͛ͯΈΔ ʮϩέοτͷ؆қγϛϡϨʔγϣϯΛͯ͠ཉ͍͠ʯɺͱݴͬͨ৔߹ͷίʔυ · ###ロケットの簡易シミュレーション(ChatGPTが教えてくれたver) # 定数 g <- 9.81 # 重力加速度 [m/s^2] mass <- 50 # ロケットの質量 [kg] thrust <- 1000 # ロケットの推力 [N] drag_coefficient <- 0.1 # 空気抵抗係数 air_density <- 1.225 # 空気密度 [kg/m^3] area <- 0.1 # ロケットの断面積 [m^2] # オイラー法による数値積分 time_step <- 0.1 # 時間ステップ [s] time <- seq(0, 10, time_step) velocity <- numeric(length(time)) position <- numeric(length(time)) 17/29

for (i in 2:length(time)) { drag_force <- 0.5 * drag_coefficient * air_density * area * velocity[i - 1]^2 acceleration <- (thrust - mass * g - drag_force) / mass velocity[i] <- velocity[i - 1] + acceleration * time_step position[i] <- position[i - 1] + velocity[i - 1] * time_step } 18/29

࣮ߦ݁Ռͷϓϩοτ plot(time, position, type = "l", xlab = "Time [s]", ylab = "Altitude [m]", main = "Rocket Launch Simulation") 19/29

ײ૝ ී௨ʹಈ͘ɻ(͔͠΋ແअؾʹيಓܭࢉ΋Ͱ͖Δɻ) ෳࡶͳ΋ͷͰͳ͚Ε͹ɺͱ͔͔ͬΓͱͯ͠͸͘͢͝ྑͦ͞͏ ࡉ͔͍࢖͍ํͩͱʮ͜͏͍͏͜ͱΛ͍ͨ࣌͠ͷؔ਺ͷύϥϝʔλ໊ڭ͑ͯ͘ Εʯͱ͔΋͍͚Δ͸ͣ · · · 20/29

ิ଍ɿ࣮ߦ؀ڥʹ͍ͭͯ ͪͳΈʹ؀ڥߏஙͷํ๏ͱ͔΋ڭ͑ͯ͘Ε·͢ · 21/29

ิ଍ɿ࣮ߦ؀ڥʹ͍ͭͯ ͪͳΈʹ؀ڥߏஙͷํ๏ͱ͔΋ڭ͑ͯ͘Ε·͢ · 22/29

Τϥʔ͕ग़ͨ৔߹͸ ΤϥʔϝοηʔδΛChatGPTʹೖΕΔͱΑ͠ͳʹσόοάͯ͘͠Ε·͢ ͜ͷล͸ݱঢ়͸·ͩී௨ʹϓϩάϥϛϯάݴޠͷ஌͕ࣝ͋ͬͨํ͕ૣ͍͔΋ (΋ͪΖΜকདྷతʹ͸վળ͢ΔՄೳੑ͸͋Δ) · · · 23/29

ChatGPTΛ࢖ֶͬͨशͷݶքͱ஫ҙ఺ ChatGPT͕ৗʹਖ਼֬ͳ৘ใΛఏڙͰ͖ͳ͍͜ͱ΍ɺ࠷৽ͷ৘ใ͕൓ө͞Εͳ ͍Մೳੑ(2021೥·Ͱͷֶशσʔλ) ͠ΕͬͱӕΛͭ͘(ମײ20%͘Β͍) ஫ҙɿ݁ߏͳׂ߹Ͱɺଘࡏ͠ͳ͍ॻ੶ͷ঺հͳͲ΋͋Δ ଞͷࢿྉ΍ઐ໳Ոͷҙݟ΋ࢀর͢Δॏཁੑ · · · · 24/29

ྫɿଘࡏ͠ͳ͍ॻ੶ͷϨίϝϯυ ͜Μͳײ͡Ͱɺ͠ΕͬͱҟͳΔ৘ใ΋͖ࠞͬͯ͟·͢ ಛʹॻ੶ͱ͔࿦จʹ͍ͭͯ͸ཪऔΓ͕ඞཁ (Ұݟ߹ͬͯͦ͏Ͱ߹ͬͯͳ͍) · · 25/29

೰ΜͩΒr-wakalangͷօ͞Μʹ΋૬ஊɾɾʂʂ ͋Δछͷਓྗ൛ू߹஌ɻ͋Γ͕ͨ΍ɾɾ https://github.com/tokyor/r-wakalang ೖޱͱͯ͠ͷChatGPT׆༻΋͍͍͚ͲɺͪΌΜͱ༗ࣝऀʹ૬ஊ͠·͠ΐ͏ · · · 26/29

·ͱΊ ChatGPTɺศར RͰ͜͏͍͏͜ͱ͕΍Γ͍ͨɺͱ͔νϡʔτϦΞϧΛ঺հͯ͘͠Εɺͱ͍͏ײ ͡ͰਐΊ͍ͯ͘ͷ͕٢ · · 27/29

͓·͚ ͜ͷൃදͷ಺༰ͷߏ੒ɺεϥΠυ͔ͷํ๏ɺαϯϓϧίʔυ΋શ෦ChatGPT ʹฉ͖ͳ͕Β࡞੒ͯ͠ݟ·ͨ͠ ৭ʑͳֶशʹ࢖͑Δͱࢥ͍·͢ͷͰɺੋඇɾɾʂʂ · · 28/29

Enjoy..!!