真正的官方ChatGPT镜像

sockstack / 297 / 2023-11-08 22:02:46

ChatGPT 可用网址,仅供交流学习使用,如对您有所帮助,请收藏并推荐给需要的朋友。
https://ckai.xyz


目录

视频演示

地址:

  1. https://www.bilibili.com/video/BV17M4y1s7Hi/?spm_id_from=333.999.0.0

地址

镜像地址:

  1. https://ai.aiforme.cloud/

需要找我要授权码才能使用~下面我演示下我认为不错的功能。界面如下:

在这里插入图片描述

插件界面如下:

在这里插入图片描述

没错,官方所有插件和代码解释器都在镜像,效果一模一样!为了演示它的真实性,下面我做出部分功能测试。

代码解释器

代码文件分析

选中这个:

在这里插入图片描述

这里我上传一个python文件让它进行分析,以下可见分析很准确:

在这里插入图片描述


压缩包分析

我们可能需要分析一整个项目,所以需要以压缩包形式进行上次,如下所示:

在这里插入图片描述

回答如下,100%的正确率回答了我这个项目的每个文件内容:

在这里插入图片描述


数据分析

除了上传代码文件,我们还可以上传数据文件进行分析,例如我上传了一个超市销售的文件:

在这里插入图片描述



在这里插入图片描述

这里我们接着进行提问,比如查看数据的描述性统计、检查缺失值、查看各个类别的数量:

在这里插入图片描述


这里我还可以继续要求它帮我做可视化分析:


在这里插入图片描述

这里我还想继续追加一些提问,比如使用机器学习算法来实现数学建模:

在这里插入图片描述

继续告诉它目标:根据购买的商品和其他信息来预测一个顾客是会员还是非会员

在这里插入图片描述


  1. from sklearn.model_selection import train_test_split
    from sklearn.preprocessing import LabelEncoder

  2. # Select the features and the target
    features = [Branch, City, Gender, Product line, Unit price, Quantity, Payment, cogs, gross income, Rating]
    target = Customer type

  3. # Copy the original data
    data_encoded = data.copy()

  4. # Label encode the categorical features
    le = LabelEncoder()
    for column in data_encoded[features].select_dtypes(include=object).columns:
    data_encoded[column] = le.fit_transform(data_encoded[column])

  5. # Label encode the target
    data_encoded[target] = le.fit_transform(data_encoded[target])

  6. # Split the data into training set and test set
    X_train, X_test, y_train, y_test = train_test_split(data_encoded[features], data_encoded[target], test_size=0.2, random_state=42)

  7. X_train.shape, X_test.shape, y_train.shape, y_test.shape


在这里插入图片描述


  1. from sklearn.ensemble import RandomForestClassifier
    from sklearn.metrics import accuracy_score

  2. # Initialize the Random Forest Classifier
    rf = RandomForestClassifier(random_state=42)

  3. # Train the model
    rf.fit(X_train, y_train)

  4. # Make predictions on the test set
    y_pred = rf.predict(X_test)

  5. # Calculate the accuracy of the model
    accuracy = accuracy_score(y_test, y_pred)

  6. accuracy

并且直接帮我运行出了结果:

在这里插入图片描述


官方插件

插件这么多,哪些插件好?这里是上面最流行的几个插件:

在这里插入图片描述

在这里插入图片描述

基本就是PDF分析,可视化,文献搜索。这里我主推Show Me Diagrams、Link Reader这两个。第一个是可以绘制各种各样的图像,第二个是可以阅读链接。

下面我来做一个演示。

阅读链接并可视 这个目标为例,分析我的文章:

  1. https://blog.csdn.net/weixin_46211269/article/details/131816123

选上这两个插件:

在这里插入图片描述

回复如下:

在这里插入图片描述

接着,我希望它根据理解的文章内容,绘制出绘制思维导图,可以看到正在使用Show Me Diagrams插件,得到如下:

在这里插入图片描述

当然,可视化除了绘制思维导图,还可以绘制各种各样的比如ER图、流程图、柱形图等等这里不做演示。

除此之外,还有更多的插件,这里我不做演示了,可以看到现在我已经成功把官方的所有界面和插件已经搬运到国内了,效果非常好。需要体验(pay,not free)国内版的官方网站,评论区留言。


除此之外,我还有另外两个系统,网站分别如下,你可以在上购买会员也可以加我V购买系统,包搭建:

1)稳定版GPT镜像导航:zc.zhangsan.cloud/
2)开发版镜像导航:chatsforme.shop/
3)免费版镜像:jian.zhangsan.cloud/




真正的官方ChatGPT镜像
作者
sockstack
许可协议
CC BY 4.0
发布于
2023-11-08
修改于
2025-03-12
Bonnie image
尚未登录