Prompt: Xử lý giá trị thiếu trong cột số – Phân tích dữ liệu bất động sản – AI Real Estate

Tuyệt vời! Dưới đây là phân tích chi tiết về prompt template bạn đã cung cấp, định dạng bằng HTML và bằng tiếng Việt.

1. Phân tích Cấu trúc Prompt

Prompt template này được thiết kế để hướng dẫn mô hình AI thực hiện một nhiệm vụ cụ thể liên quan đến việc xử lý dữ liệu với các giá trị thiếu trong một tập dữ liệu bất động sản. Cấu trúc của prompt rất rõ ràng và sử dụng các biến thay thế (placeholders) để linh hoạt hóa việc áp dụng.

Các biến thay thế được sử dụng trong prompt bao gồm:

• [TÊN_TẬP_DỮ_LIỆU]: Đại diện cho tên của tập dữ liệu bất động sản cụ thể mà mô hình cần làm việc.
• [TÊN_CỘT_SỐ]: Đại diện cho tên của cột trong tập dữ liệu có chứa các giá trị cần xử lý (là cột số).
• [PHƯƠNG_PHÁP_ĐIỀN_GIÁ_TRỊ]: Xác định phương pháp mà mô hình sẽ sử dụng để điền vào các giá trị thiếu. Prompt cũng gợi ý một số ví dụ phổ biến như “giá trị trung bình”, “trung vị”, hoặc “hồi quy”.

Cách đặt câu lệnh cũng bao gồm một yêu cầu rõ ràng về đầu ra: “Báo cáo số lượng giá trị thiếu đã được xử lý.” Điều này đảm bảo mô hình không chỉ thực hiện hành động mà còn cung cấp thông tin phản hồi hữu ích.

2. Ý nghĩa & Cách hoạt động

Prompt này hoạt động bằng cách cung cấp cho mô hình AI một ngữ cảnh (tập dữ liệu bất động sản) và một chỉ thị hành động cụ thể (xử lý giá trị thiếu trong một cột nhất định bằng một phương pháp đã cho). Khi người dùng điền các biến thay thế, prompt sẽ biến thành một câu lệnh hoàn chỉnh, chi tiết cho mô hình.

Về mặt kỹ thuật, mô hình ngôn ngữ lớn (LLM) sẽ hiểu các từ khóa và cấu trúc câu để thực hiện các bước sau:

• Xác định tập dữ liệu: Mô hình nhận biết rằng nó cần truy cập hoặc giả định một tập dữ liệu với tên được cung cấp (ví dụ: “Dữ liệu Giá nhà TP.HCM”).
• Xác định cột mục tiêu: Mô hình hiểu rằng nó cần tập trung vào cột được chỉ định (ví dụ: “Diện tích”).
• Áp dụng phương pháp xử lý giá trị thiếu: Đây là phần quan trọng nhất. Tùy thuộc vào giá trị của [PHƯƠNG_PHÁP_ĐIỀN_GIÁ_TRỊ], mô hình sẽ thực hiện các phép tính thống kê hoặc thuật toán tương ứng:
  • Nếu là “giá trị trung bình”, mô hình sẽ tính trung bình của các giá trị hiện có trong cột [TÊN_CỘT_SỐ] và sử dụng giá trị đó để điền vào các ô trống.
  • Nếu là “trung vị”, mô hình sẽ tính giá trị trung vị (median) của cột và điền vào các ô trống.
  • Nếu là “hồi quy”, mô hình có thể sử dụng một mô hình hồi quy đơn giản (hoặc phức tạp hơn tùy theo khả năng của LLM và ngữ cảnh dữ liệu) dựa trên các cột khác để dự đoán và điền giá trị thiếu.
• Báo cáo kết quả: Sau khi thực hiện việc điền, mô hình sẽ thống kê và báo cáo số lượng các giá trị thiếu đã được thay thế.

Prompt này rất hiệu quả vì nó giảm thiểu sự mơ hồ, cung cấp đầy đủ thông tin cần thiết và định hướng rõ ràng cho kết quả mong muốn.

3. Ví dụ Minh họa

Dưới đây là hai ví dụ về cách prompt template này có thể được sử dụng:

Ví dụ 1: Sử dụng Trung bình

Giả định người dùng điền các biến như sau:

• [TÊN_TẬP_DỮ_LIỆU]: “Dữ liệu căn hộ chung cư Hà Nội”
• [TÊN_CỘT_SỐ]: “Số phòng ngủ”
• [PHƯƠNG_PHÁP_ĐIỀN_GIÁ_TRỊ]: “giá trị trung bình”

Prompt hoàn chỉnh:


Trong tập dữ liệu bất động sản Dữ liệu căn hộ chung cư Hà Nội, hãy xử lý các giá trị thiếu trong cột Số phòng ngủ bằng cách giá trị trung bình (ví dụ: giá trị trung bình, trung vị, hoặc hồi quy). Báo cáo số lượng giá trị thiếu đã được xử lý.


Kết quả dự kiến từ mô hình: “Các giá trị thiếu trong cột ‘Số phòng ngủ’ của tập dữ liệu ‘Dữ liệu căn hộ chung cư Hà Nội’ đã được xử lý bằng phương pháp trung bình. Tổng cộng 15 giá trị thiếu đã được điền.”

Ví dụ 2: Sử dụng Hồi quy

Giả định người dùng điền các biến như sau:

• [TÊN_TẬP_DỮ_LIỆU]: “Dữ liệu nhà đất Đà Nẵng”
• [TÊN_CỘT_SỐ]: “Giá bán”
• [PHƯƠNG_PHÁP_ĐIỀN_GIÁ_TRỊ]: “hồi quy”

Prompt hoàn chỉnh:


Trong tập dữ liệu bất động sản Dữ liệu nhà đất Đà Nẵng, hãy xử lý các giá trị thiếu trong cột Giá bán bằng cách hồi quy (ví dụ: giá trị trung bình, trung vị, hoặc hồi quy). Báo cáo số lượng giá trị thiếu đã được xử lý.


Kết quả dự kiến từ mô hình: (Mô hình có thể không thực sự chạy hồi quy phức tạp trong một lần gọi prompt đơn giản, nhưng nó sẽ mô tả quá trình hoặc đưa ra ước lượng) “Các giá trị thiếu trong cột ‘Giá bán’ của tập dữ liệu ‘Dữ liệu nhà đất Đà Nẵng’ đã được xử lý. Dựa trên các đặc điểm khác như diện tích, vị trí, số phòng, các giá trị thiếu đã được ước tính bằng phương pháp hồi quy. Tổng cộng 8 giá trị thiếu đã được điền.”

👉 Tóm lại

Prompt template “Trong tập dữ liệu bất động sản [TÊN_TẬP_DỮ_LIỆU], hãy xử lý các giá trị thiếu trong cột [TÊN_CỘT_SỐ] bằng cách [PHƯƠNG_PHÁP_ĐIỀN_GIÁ_TRỊ] (ví dụ: giá trị trung bình, trung vị, hoặc hồi quy). Báo cáo số lượng giá trị thiếu đã được xử lý.” là một mẫu câu lệnh hiệu quả, rõ ràng và linh hoạt cho việc xử lý dữ liệu thiếu. Nó cung cấp đủ ngữ cảnh và chỉ dẫn chi tiết để mô hình AI hiểu và thực hiện nhiệm vụ một cách chính xác, đồng thời yêu cầu báo cáo kết quả, giúp người dùng dễ dàng theo dõi và đánh giá. Việc sử dụng các biến thay thế giúp prompt có thể áp dụng cho nhiều tình huống và loại dữ liệu khác nhau trong lĩnh vực bất động sản.

“`