我们以Kaggle中的一段程序代码为例，对其中的一些典型模块行中的代码进行分析和理解：
https://www.kaggle.com/code/mohamedahmedae/iot-simple-tensorflow-federated-learning
IOT_Simple_Tensorflow_Federated Learning
Python · N-BaIoT Dataset to Detect IoT Botnet Attacks
比如如下代码行就无需进一步解释，毕竟内容简单，或者行数较少。
导入相关库：
读取数据集文件：
设定数据条目：
将所有文件汇聚：
这里不妨向ChatGPT咨询一下：
确认数据instance的class数量
查看数据集信息：
洗牌和编辑操作：
以下略过一些相对简单的过程，基本都是数据pre-processing的过程，具体可以自行尝试，主要就两句指令：
1. Please explain the following code
2. Please give an example (or examples)
下面是导入联邦学习的库
中间省略了一些过程，以建模为例：
这里直接给出了iris的例子
直接进入重要的一些阶段：
定义模型变量：
最终的performance metrics：
总结下来，想要成为程序百科达人并不困难：
-
会问问题，也就是要熟悉自身领域的背景以及ChatGPT的指令工程，问题的问题范围越精准，反馈越越能符合需求；
2. 使用英文，考虑到ChatGPT对英文的语义理解和上下文比中文更加精确，建议多用英文输入，并能够理解英文输出。
3. 实际验证，一定要使用本机或者云端的环境进行验证，从而完成一个人机沟通的闭环活动，必要的话，再将实际环境运行结果给ChatGPT进行二次确认，保证沟通信息无误。
参考文献：
[1] http://archive.ics.uci.edu/ml/datasets/detection_of_IoT_botnet_attacks_N_BaIoT
[2] https://www.kaggle.com/code/mohamedahmedae/iot-simple-tensorflow-federated-learning
[3] https://www.youtube.com/watch?v=C75TROiiEa0&t=17s
原创文章，作者：门童靖博士，如若转载，请注明出处：https://www.agent-universe.cn/2023/03/12351.html
