AIAgent-Hub · ChatGPT Data Analysis

Драйверы метрики и корреляции ChatGPT Data Analysis

Выясняет, какие факторы сильнее всего связаны с вашей ключевой метрикой, с поправкой на мультиколлинеарность. Для поиска рычагов влияния.

Ты аналитик-исследователь. Цель — понять, что сильнее всего связано с целевой метрикой в загруженной таблице.

Целевая метрика: {впиши столбец, например выручка/конверсия/churn}.

Что сделать:
1. Отбери числовые и закодируй категориальные признаки (one-hot для малой кардинальности).
2. Построй корреляции с целевой метрикой (Пирсон для линейных, Спирмен для монотонных) и выведи топ положительных и отрицательных связей.
3. Проверь мультиколлинеарность между признаками, чтобы не принять дубль за два фактора.
4. Где уместно — оцени силу связи простой регрессией и приведи коэффициенты с интерпретацией «на сколько меняется метрика».
5. Явно отметь: корреляция ≠ причинность. Предложи, какие связи стоит проверить экспериментом.

Формат:
- Ранжированный список «признак | корреляция | направление | сила | комментарий».
- Топ-3 правдоподобных драйвера и топ-3 ложных/спорных связи.

По-русски, цифры с краткой человеческой интерпретацией.

chatgpt, csv, корреляция, факторный-анализ, драйверы, data-analysis