Code InterpreterでML&可視化

はじめに

GPT-4oリリース後、GPTsもサクサク動作するようになりましたが、「Code Interpreterを実装したGPTsの挙動がおかしくなった」という𝕏のポストを見かけ、確認したところ「私のGPTsも💦」…

以前は Code Interpreterを実行すると、Pythonは裏で動いてた気がしますが、Pythonコードばかりをやたらと吐いてきて肝心の可視化をしてくれない… 自作GPTがありました。
「これとあれはして、それはやめて」的な指示で何とか落ち着き、久々にCode Interpreterを触ってみました。

Code Interpreter機械学習 & 可視化

これまで、Code Interpreterでは機械学習してなかったので、ちょっとどんな感じか弄ってみることに。

テーマは、ある「ロス電力を算出するモデル式」を限られた変数で説明したい！ というもの。

このモデル式は、定数含めて20ほどのパラメーターを入力すれば（計算するだけなので）算出できるというものですが、限られた変数（5つのパラメータ）だけで簡易に算出したい！

いまの時代、計算なんてなんだって簡単にできますが、計算に困ってるわけではありません。
パラメータのなかには現場で簡単に採取できないものがいくつもある・・・だから現場で簡単に確認できるパラメーターだけに絞りたいんです。

でも、絞ってあてにならん結果でした… では話になりませんので、すこし乱暴ではありますが、パラメーターを5つに絞って機械学習を行い、機械学習モデルの精度がそこそこなら、ロス電力に影響するパラメーターを可視化してみようという内容です。

機械学習を行った後は、（以前どこかでできると目にした気がするので）SHAPがしたかったのですが、残念ながらこれはダメでしたので、代わりに、以下を描きました。

• Partial Dependence Plot (PDP): 特徴が目的変数に与える平均的な影響

• Individual Conditional Expectation Plot (ICE): データセットの各インスタンスに対して個別の曲線をプロット

• Feature Interaction: 相互作用効果プロット

• 3D散布図: 3次元の散布図

実行例

メモ

以前、上記をPythonで実行するときは、

• え～っと、これを描くときは、このライブラリで、これをこうして、あれをこうして・・・

とヨチヨチ描きでしたが、ほんま楽すぎる❣

やっぱ Code Interpreterは… ありがたすぎるくらいヤバいな。