Adult Income Predictor und QueryBot

Funktion

Meine App ist für die Wissensrepräsentation und die Gewinnung von Erkenntnissen aus strukturierten Datensätzen konzipiert. Er vereinfacht die Datenanalyse durch Tools für die Vorverarbeitung, das Feature Engineering und die Visualisierung. Die App verwendet ein logistisches Regressionsmodell für die Einkommensvorhersage aufgrund seiner hohen Genauigkeit und bietet eine intuitive Benutzeroberfläche für die Datenübersicht und -visualisierung.

Ein wichtiges Feature der App ist der Abfragebot, der ursprünglich von der Google PaLM2 API angetrieben wurde, die in LangChain integriert ist. Mit dieser Konfiguration konnten Nutzer über Abfragen in natürlicher Sprache mit den Daten interagieren und sie in umsetzbare Datenoperationen umwandeln. Nachdem PaLM2 eingestellt wurde, musste ich jedoch zur Gemini API (Modell = gemini-pro) wechseln. Durch die Umstellung konnte die App weiterhin effektiv mit Abfragen in natürlicher Sprache umgehen.

Da PandasAI die Abfragen interpretiert und Gemini die Datenoperationen ausführt, können Nutzer weiterhin CSV-Dateien oder Visualisierungen aus ihren Abfragen generieren. Dieser Abfrage-Bot verbessert die Barrierefreiheit der App und ermöglicht es Nutzern, Erkenntnisse aus ihren Daten zu gewinnen, ohne fortgeschrittene technische Kenntnisse zu benötigen. Durch die nahtlose Einbindung dieser erweiterten KI-Tools bleibt die App sowohl leistungsstark als auch nutzerfreundlich. So können Sie natürliche Sprache effizient in umsetzbare, datengetriebene Statistiken umwandeln.