ภาพโดยผู้เขียน
มีบทเรียนเดียวที่ฉันได้เรียนรู้จากการใช้ ChatGPT มีประโยชน์อย่างมากในด้านวิทยาศาสตร์ข้อมูล แต่คุณต้องพินิจพิเคราะห์ทุกอย่างที่ส่งออกไป เหมาะสำหรับงานบางอย่างและสามารถทำได้อย่างรวดเร็วและแม่นยำมาก สำหรับงานอื่นๆ ก็เพียงพอแล้ว และคุณจะต้องแจ้งหลายครั้ง และมีงานหนึ่งที่ฉันพบว่า ChatGPT แย่มาก
คุณแนบชุดข้อมูลไปกับข้อความ ChatGPT ได้ และด้วยการให้คำแนะนำง่ายๆ หลายข้อ ChatGPT ก็สามารถสำรวจข้อมูลให้คุณได้
เช่น ผมสามารถนำชุดข้อมูลจาก โครงการข้อมูลนี้. คำแนะนำที่ฉันให้คือ:
“ใช้ข้อมูลที่แนบมาเพื่อทำการวิเคราะห์ทางสถิติเชิงพรรณนา รวมสิ่งต่อไปนี้:
- สรุปสถิติพื้นฐาน (ค่าเฉลี่ย ค่ามัธยฐาน ส่วนเบี่ยงเบนมาตรฐาน ฯลฯ)
- ระบุค่าที่หายไปและเสนอแนะกลยุทธ์ในการจัดการกับค่าเหล่านั้น”
มันจะส่งคืนบทสรุปที่มีลักษณะเช่นนี้ มันทำการคำนวณเหมือนกันสำหรับแต่ละตัวแปร
อายุ:
- ค่าเฉลี่ย: 28.79 ปี
- ส่วนเบี่ยงเบนมาตรฐาน: 6.94 ปี
- ช่วง: 18 ถึง 50 ปี
นอกจากนี้ยังระบุว่าไม่มีค่าที่ขาดหายไปในชุดข้อมูล
หากคุณต้องการโค้ด Python สำหรับการคำนวณเหล่านี้ด้วย คุณสามารถแจ้งให้เขียนโค้ดได้
หากต้องการโหลดชุดข้อมูล ให้ใช้โค้ดนี้
aerofit_data = pd.read_csv(file_path)
ส่วนสถิติพื้นฐานก็ให้อันนี้
basic_stats = aerofit_data.describe()
และคุณสามารถตรวจสอบค่าที่หายไปได้ด้วยรหัสนี้
missing_values = aerofit_data.isnull().sum()
นอกจากนี้ ฉันยังสามารถขอให้ ChatGPT แสดงภาพการกระจายตัวของตัวแปรหลัก และตรวจจับค่าผิดปกติและความผิดปกติที่อาจเกิดขึ้นได้
โดยจะสร้างฮิสโตแกรมและกล่องพล็อตสำหรับตัวแปรหลัก: อายุ รายได้ และไมล์ ตรวจพบค่าผิดปกติที่เป็นไปได้ในการกระจายรายได้และไมล์
สร้างโดยผู้แต่ง/ChatGPT
สร้างโดยผู้แต่ง/ChatGPT
นอกจากนี้ยังตีความการสร้างภาพข้อมูลด้วย ดังนั้นจึงสังเกตเห็นว่าการกระจายรายได้มีความเบ้ขวา ซึ่งบ่งชี้ว่าลูกค้าส่วนใหญ่มีรายได้ในระดับล่างสุดของสเปกตรัม และลูกค้าจำนวนน้อยรายที่ได้รับรายได้ที่สูงขึ้นอย่างมีนัยสำคัญ Boxplot แนะนำว่ามีค่าผิดปกติบางอย่างในส่วนที่สูงกว่า
สร้างโดยผู้แต่ง/ChatGPT
สร้างโดยผู้แต่ง/ChatGPT
การตีความเดียวกันนี้สามารถใช้ได้กับการกระจายไมล์: การเอียงขวาและค่าผิดปกติในส่วนที่สูงกว่า
เมื่อพิจารณาถึงลักษณะของข้อมูล พบว่าค่าผิดปกติเหล่านี้ไม่จำเป็นต้องเป็นข้อผิดพลาด แต่เป็นตัวแทนของกลุ่มลูกค้าที่เฉพาะเจาะจง เกี่ยวกับการแจกแจงที่บิดเบี้ยว จะแนะนำการแปลง (เช่น การแปลงบันทึก) เพื่อทำให้ข้อมูลเป็นมาตรฐาน
แน่นอน คุณยังสามารถขอให้เขียนโค้ด Python สำหรับการแสดงภาพเหล่านี้ได้
ฉันสามารถใช้ข้อมูลเดียวกันและถาม ChatGPT ได้ว่ามันเหมาะกับหรือไม่ การถดถอยโลจิสติก. แล้วถ้าไม่ต้องทำอย่างไรจึงจะเหมาะสม?
โดยตอบว่าข้อมูลของฉันเหมาะสมที่สุดสำหรับการวิเคราะห์เชิงพรรณนาและเชิงอนุมานของข้อมูลต่อเนื่อง
นี่เป็นวิธีที่แนะนำในการแปลงข้อมูลสำหรับการถดถอยโลจิสติก
สร้างผลลัพธ์ไบนารี: สร้างผลลัพธ์ไบนารี่โดยจัดหมวดหมู่ลูกค้าเป็น “การใช้งานสูง” หรือ “การใช้งานต่ำโดยพิจารณาจากการแบ่งค่ามัธยฐานของตัวแปรการใช้งาน นอกจากนี้ ผลลัพธ์ไบนารีอาจเป็น "การซื้อลู่วิ่ง" กับ "ไม่มีการซื้อลู่วิ่ง"
ตรวจสอบความเป็นหลายเส้นตรง: ใช้ เมทริกซ์สหสัมพันธ์ or ปัจจัยเงินเฟ้อแปรปรวน (VIF) เพื่อตรวจสอบความเป็นเส้นตรงหลายเส้น หากมี multicollinearity ตัวแปรที่สัมพันธ์กันสามารถลบออกหรือรวมเข้าด้วยกันได้
การปรับขนาดคุณสมบัติ: แม้ว่าการปรับขนาดคุณลักษณะสำหรับการปรับโมเดลให้เหมาะสมนั้นไม่จำเป็นสำหรับการถดถอยโลจิสติก แต่ก็สามารถเป็นประโยชน์ได้ การลู่เข้า. เป็นกรณีนี้โดยเฉพาะอย่างยิ่งสำหรับคุณสมบัติที่มีขนาดแตกต่างกันอย่างมาก
การแก้ปัญหาความไม่เป็นเชิงเส้น: การเปลี่ยนแปลงต่างๆ เช่น เข้าสู่ระบบ or รากที่สองสามารถใช้กับตัวแปรที่ไม่เป็นไปตามสมมติฐานความเป็นเส้นตรง
ขนาดตัวอย่าง: ชุดข้อมูลต้องมีขนาดใหญ่เพียงพอเมื่อพิจารณาจากจำนวนตัวแปรทำนาย
การประมวลผลข้อมูลล่วงหน้า: การจัดการค่าผิดปกติและตัวแปรเชิงหมวดหมู่ (โดย การเข้ารหัสแบบร้อนเดียวหรือการเข้ารหัสฉลาก) ได้รับการแนะนำ นอกจากนี้ ยังแนะนำการจัดการค่าที่หายไป แต่สิ่งนี้ใช้ไม่ได้กับข้อมูลของฉัน เนื่องจากไม่มีค่าที่ขาดหายไป
ChatGPT มีประโยชน์ในทุกขั้นตอนของโครงการวิทยาศาสตร์ข้อมูลจริงๆ คุณสามารถแจ้งให้เขียนโค้ดขูดเว็บได้ คุณสามารถสั่งให้สำรวจและเตรียมข้อมูลของคุณสำหรับอัลกอริทึมการเรียนรู้ของเครื่องได้ นอกจากนี้ยังสามารถให้รหัสสำหรับการเลือกอัลกอริทึมที่เหมาะสม การแยกชุดข้อมูล การทดสอบ A/B และอัลกอริธึมการเพิ่มประสิทธิภาพ สุดท้ายนี้ คุณยังสามารถขอให้ ChatGPT เขียนโค้ดสำหรับการปรับใช้โมเดลให้กับคุณได้
แม้ว่า ChatGPT จะสามารถทำทุกอย่างดังกล่าวได้ แต่ก็มีความเป็นไปได้ที่คุณจะไม่ได้รับโค้ดที่ตรงกับความต้องการในทันที ดังนั้นคุณต้องเข้าใจสิ่งที่คุณต้องการบรรลุและตรวจสอบโค้ด โอกาสที่คุณจะต้องแจ้งให้ ChatGPT แก้ไขโค้ดและให้คำแนะนำเพิ่มเติมเกี่ยวกับสิ่งที่ต้องเปลี่ยนแปลง
ChatGPT สามารถช่วยเหลือผู้ใช้ที่ยังเรียนรู้ภาษาการเขียนโค้ดใหม่ๆ ได้ ลองนึกภาพว่าคุณเป็นผู้เชี่ยวชาญด้าน SQL และคุณไม่มีปัญหาในการแก้ปัญหา คำถามสัมภาษณ์นี้. อย่างไรก็ตาม คุณต้องการเพิ่ม Python ให้กับทักษะของคุณ ChatGPT สามารถช่วยคุณได้ คุณสามารถคัดลอกโค้ด SQL และขอให้ ChatGPT แปลงเป็น Python ได้
ดังนั้นโค้ด SQL จึงเป็นเช่นนี้
SELECT
company,
profit
FROM
(
SELECT
*,
rank() OVER (
ORDER BY
profit DESC
) as rank
FROM
(
SELECT
company,
sum(profits) AS profit
FROM
forbes_global_2010_2014
GROUP BY
company
) sq
) sq2
WHERE
rank = 3;
ChatGPT เขียนโค้ด Python ตามโค้ด SQL ด้านบน แต่มันทำงานไม่ถูกต้อง ดังนั้นฉันจึงทุบตี ChatGPT เนื่องจากเขียนโค้ดไม่ถูกต้อง และฉันขอให้ลองอีกครั้งเนื่องจากผลลัพธ์ไม่เหมือนกับโค้ด SQL มันลองอีกครั้งและให้ผลลัพธ์ที่ถูกต้อง
import pandas as pd
# Assuming 'forbes_global_2010_2014' is a pandas DataFrame with columns 'company' and 'profits'
# Since we don't have the actual data, this code assumes that the DataFrame is already loaded
# Step 1: Group by company and sum the profits
company_profits_sum = forbes_global_2010_2014.groupby('company')['profits'].sum().reset_index()
# Step 2: Rank the companies by profit in descending order
company_profits_sum['rank'] = company_profits_sum['profits'].rank(ascending=False, method='max')
# Step 3: Filter the top 3 companies
top_companies = company_profits_sum[company_profits_sum['rank'] = 3]
# Final selection of columns
result = top_companies[['company', 'profits']].sort_values('profits', ascending=False)
result # This will display the top 3 companies by profit
อย่างที่คุณเห็น คุณจะได้รับโค้ดที่ดีพร้อมความคิดเห็นก่อนแต่ละบล็อคโค้ด เพื่อปรับปรุงการเรียนรู้ของคุณ คุณสามารถขอให้ตีความโค้ดนี้ได้ ด้วยวิธีนี้ คุณจะเจาะลึกยิ่งขึ้นว่าแต่ละบรรทัดโค้ดทำอะไรและอย่างไร
เมื่อฉันพูดว่าแย่ ฉันหมายถึงแย่มาก! มันไปถึงระดับที่ใช้สูตรที่ถูกต้องและเสียบค่าที่ถูกต้อง แต่อย่างใดก็สามารถจัดการการคำนวณที่ไม่ซับซ้อนได้
มีลักษณะนี้. ฉันขอให้แก้ปัญหานี้: "สมมติว่าคุณทอยลูกเต๋าหกด้านอย่างยุติธรรม 10 ครั้ง ความน่าจะเป็นที่จะทอย 1 วินาที 2 วินาที 3 ครั้ง 4 ครั้ง ศูนย์ 5 วินาที 6 วินาที XNUMX ครั้ง และ XNUMX วินาที XNUMX ครั้งเป็นเท่าใด”
มันคำนวณความน่าจะเป็นด้วยวิธีนี้
มันเลอะเทอะเมื่อคำนวณแฟคทอเรียล และทำแบบนั้นอย่างมีสไตล์! พูดผิดข้อ 2 เลย! = 12 ไม่ใช่ มันคือ 2 คุณจะทำให้การคำนวณง่ายๆ เช่น 2×1 = 2 ยุ่งได้อย่างไร นี่มันน่าหัวเราะจริงๆ!
ที่ตลกยิ่งกว่านั้นคือครั้งเดียว 3! = 36 และครั้งที่สอง 3! = 6. ให้เครดิต เนื่องจากถูกต้องอย่างน้อยหนึ่งครั้ง
พอผมขอให้แก้ไขการคำนวณโดยไม่มีคำอธิบายเพิ่มเติม มันก็คำนวณใหม่มีความน่าจะเป็น 0.0001389 ฉันไม่อยากจะเชื่อสายตาตัวเอง! สามารถใช้สูตรและค่าเดียวกันได้อย่างแม่นยำ แต่ให้ผลลัพธ์ที่แตกต่างออกไปซึ่งยังคงผิดอยู่!
ฉันขอให้แก้ไขการคำนวณอีกครั้ง และในที่สุดมันก็กลับผลลัพธ์ที่ถูกต้อง: 0.0008336 ครั้งที่สามคือเสน่ห์!
เป็นที่ยอมรับว่าข้อผิดพลาดเหล่านี้เกิดจาก ChatGPT 3.5 ฉันถามคำถามเดียวกันกับ ChatGPT 4 และได้การคำนวณที่ถูกต้องในการลองครั้งแรก คุณอาจใช้ปลั๊กอินทางคณิตศาสตร์บางตัวเพื่อความปลอดภัย
การเรียนรู้หลักจากทั้งหมดนี้ก็คือ ChatGPT เป็นเจ้านายที่ไม่ดีแต่เป็นผู้รับใช้ที่ดีมาก ซึ่งจะมีประโยชน์ในการเขียนโค้ด การดีบัก การวิเคราะห์ และการแสดงข้อมูลเป็นภาพ อย่างไรก็ตาม อย่าเชื่อถือสิ่งนี้โดยเด็ดขาด และอย่านำสิ่งที่เขียนไปโดยไม่พิจารณาอย่างละเอียด
ตรวจสอบโค้ดที่เขียน และตรวจสอบการคำนวณ คุณเป็นนักวิทยาศาสตร์ข้อมูล และ ChatGPT ไม่ใช่! คุณอาจไม่ได้รับผลลัพธ์ที่ต้องการจาก ChatGPT ในครั้งแรก แต่การให้คำแนะนำที่แม่นยำยิ่งขึ้นและพยายามหลายครั้งอาจช่วยให้คุณได้ผลลัพธ์ที่ต้องการ
เนท โรซิดิ เป็นนักวิทยาศาสตร์ข้อมูลและในกลยุทธ์ผลิตภัณฑ์ เขายังเป็นผู้ช่วยศาสตราจารย์สอนการวิเคราะห์และเป็นผู้ก่อตั้ง StrataScratchซึ่งเป็นแพลตฟอร์มที่ช่วยให้นักวิทยาศาสตร์ด้านข้อมูลเตรียมพร้อมสำหรับการสัมภาษณ์ด้วยคำถามสัมภาษณ์จริงจากบริษัทชั้นนำ เชื่อมต่อกับเขาที่ ทวิตเตอร์: StrataScratch or LinkedIn.
- เนื้อหาที่ขับเคลื่อนด้วย SEO และการเผยแพร่ประชาสัมพันธ์ รับการขยายวันนี้
- PlatoData.Network Vertical Generative Ai เพิ่มพลังให้กับตัวเอง เข้าถึงได้ที่นี่.
- เพลโตไอสตรีม. Web3 อัจฉริยะ ขยายความรู้ เข้าถึงได้ที่นี่.
- เพลโตESG. คาร์บอน, คลีนเทค, พลังงาน, สิ่งแวดล้อม แสงอาทิตย์, การจัดการของเสีย. เข้าถึงได้ที่นี่.
- เพลโตสุขภาพ เทคโนโลยีชีวภาพและข่าวกรองการทดลองทางคลินิก เข้าถึงได้ที่นี่.
- ที่มา: https://www.kdnuggets.com/what-i-learned-from-using-chatgpt-for-data-science?utm_source=rss&utm_medium=rss&utm_campaign=what-i-learned-from-using-chatgpt-for-data-science
- :มี
- :เป็น
- :ไม่
- :ที่ไหน
- $ ขึ้น
- 1
- 10
- 12
- 14
- 28
- 36
- 50
- 50 ปี
- 7
- a
- ข้างบน
- แม่นยำ
- บรรลุ
- ที่เกิดขึ้นจริง
- จริง
- เพิ่ม
- นอกจากนี้
- ผู้ช่วย
- หลังจาก
- อีกครั้ง
- อายุ
- ขั้นตอนวิธี
- อัลกอริทึม
- ทั้งหมด
- แล้ว
- ด้วย
- an
- การวิเคราะห์
- การวิเคราะห์
- วิเคราะห์
- และ
- เหมาะสม
- ใช้
- เหมาะสม
- เป็น
- AS
- ถาม
- ถือว่า
- ข้อสมมติ
- At
- แนบ
- ไม่ดี
- ตาม
- ขั้นพื้นฐาน
- BE
- ก่อน
- เชื่อ
- เป็นประโยชน์
- ปิดกั้น
- กล่อง
- แต่
- by
- คำนวณ
- การคํานวณ
- การคำนวณ
- มา
- CAN
- กรณี
- การจัดหมวดหมู่
- โอกาส
- เปลี่ยนแปลง
- ChatGPT
- ตรวจสอบ
- เลือก
- รหัส
- การเข้ารหัส
- คอลัมน์
- รวม
- อย่างไร
- มา
- ความคิดเห็น
- บริษัท
- บริษัท
- อย่างสมบูรณ์
- เชื่อมต่อ
- ต่อเนื่องกัน
- แปลง
- แก้ไข
- การแก้ไข
- มีความสัมพันธ์
- หลักสูตร
- สร้าง
- สร้าง
- เครดิต
- ลูกค้า
- ลูกค้า
- ข้อมูล
- วิทยาศาสตร์ข้อมูล
- นักวิทยาศาสตร์ข้อมูล
- ลึก
- การใช้งาน
- ที่ต้องการ
- ตรวจจับ
- ตรวจพบ
- การเบี่ยงเบน
- ตาย
- ต่าง
- แสดง
- การกระจาย
- การกระจาย
- do
- ทำ
- ไม่
- สวม
- e
- แต่ละ
- ได้รับ
- การเข้ารหัส
- ปลาย
- ว่าจ้าง
- พอ
- ข้อผิดพลาด
- โดยเฉพาะอย่างยิ่ง
- ฯลฯ
- อีเธอร์ (ETH)
- แม้
- ทุกๆ
- ทุกอย่าง
- เผง
- คำอธิบาย
- สำรวจ
- ปัจจัย
- ธรรม
- ลักษณะ
- คุณสมบัติ
- น้อยลง
- กรอง
- สุดท้าย
- ในที่สุด
- ชื่อจริง
- เหมาะสม
- ดังต่อไปนี้
- สำหรับ
- สูตร
- พบ
- ผู้สร้าง
- ราคาเริ่มต้นที่
- ต่อไป
- ให้
- ได้รับ
- ให้
- กำหนด
- จะช่วยให้
- ให้
- ไป
- ดี
- ยิ่งใหญ่
- บัญชีกลุ่ม
- จัดการ
- การจัดการ
- มี
- he
- ช่วย
- เป็นประโยชน์
- การช่วยเหลือ
- สูงกว่า
- พระองค์
- สรุป ความน่าเชื่อถือของ Olymp Trade?
- อย่างไรก็ตาม
- HTML
- HTTPS
- i
- ระบุ
- if
- ภาพ
- ทันที
- ปรับปรุง
- in
- ประกอบด้วย
- เงินได้
- บ่งชี้ว่า
- เงินเฟ้อ
- ตัวอย่าง
- คำแนะนำการใช้
- การตีความ
- สัมภาษณ์
- คำถามในการสัมภาษณ์
- บทสัมภาษณ์
- เข้าไป
- Investopedia
- IT
- jpg
- KD นักเก็ต
- คีย์
- ฉลาก
- ภาษา
- ใหญ่
- ได้เรียนรู้
- การเรียนรู้
- น้อยที่สุด
- บทเรียน
- ชั้น
- กดไลก์
- Line
- โหลด
- เข้าสู่ระบบ
- ดู
- LOOKS
- ลด
- เครื่อง
- เรียนรู้เครื่อง
- ทำ
- หลัก
- จัดการ
- เจ้านาย
- คณิตศาสตร์
- แม็กซ์
- หมายความ
- ข่าวสาร
- อาจ
- หายไป
- ความผิดพลาด
- แบบ
- ข้อมูลเพิ่มเติม
- มากที่สุด
- ต้อง
- my
- ธรรมชาติ
- จำเป็นต้อง
- จำเป็น
- จำเป็นต้อง
- ไม่เคย
- ใหม่
- ดี
- ไม่
- จำนวน
- of
- on
- ครั้งเดียว
- ONE
- or
- ใบสั่ง
- อื่นๆ
- ผล
- เอาท์พุต
- เอาท์พุท
- ทันที
- เกิน
- หมีแพนด้า
- ดำเนินการ
- เวที
- เพลโต
- เพลโตดาต้าอินเทลลิเจนซ์
- เพลโตดาต้า
- เป็นไปได้
- ที่มีศักยภาพ
- จำเป็นต้อง
- อย่างแม่นยำ
- Predictor
- เตรียมการ
- ส่วนใหญ่
- ความน่าจะเป็น
- อาจ
- ปัญหา
- ปัญหาที่เกิดขึ้น
- ผลิตภัณฑ์
- ศาสตราจารย์
- กำไร
- กำไร
- โครงการ
- ให้
- หลาม
- คำถาม
- คำถาม
- อย่างรวดเร็ว
- ทีเดียว
- อันดับ
- ค่อนข้าง
- จริง
- จริงๆ
- เกี่ยวกับ
- ถดถอย
- ลบออก
- แสดง
- ผล
- ผลสอบ
- รับคืน
- ขวา
- ม้วน
- กลิ้ง
- s
- ปลอดภัย
- เดียวกัน
- พึงพอใจ
- กล่าว
- คำพูด
- ตาชั่ง
- ปรับ
- วิทยาศาสตร์
- นักวิทยาศาสตร์
- นักวิทยาศาสตร์
- การขูด
- การพิจารณา
- ที่สอง
- เห็น
- ส่วน
- เลือก
- การเลือก
- หลาย
- น่า
- ด้าน
- อย่างมีความหมาย
- ง่าย
- ตั้งแต่
- เดียว
- ขนาด
- ทักษะ
- So
- แก้
- การแก้
- บาง
- อย่างใด
- โดยเฉพาะ
- สเปกตรัม
- แยก
- SQ
- SQL
- ระยะ
- มาตรฐาน
- ทางสถิติ
- สถิติ
- เข้าพัก
- ขั้นตอน
- ยังคง
- กลยุทธ์
- กลยุทธ์
- อย่างเช่น
- แนะนำ
- ชี้ให้เห็นถึง
- เหมาะสม
- รวม
- สรุป
- T
- เอา
- งาน
- งาน
- การเรียนการสอน
- การทดสอบ
- ที่
- พื้นที่
- ของพวกเขา
- พวกเขา
- ที่นั่น
- ล้อยางขัดเหล่านี้ติดตั้งบนแกน XNUMX (มม.) ผลิตภัณฑ์นี้ถูกผลิตในหลายรูปทรง และหลากหลายเบอร์ความแน่นหนาของปริมาณอนุภาคขัดของมัน จะทำให้ท่านได้รับประสิทธิภาพสูงในการขัดและการใช้งานที่ยาวนาน
- ที่สาม
- นี้
- สาม
- เวลา
- ครั้ง
- ไปยัง
- ด้านบน
- แปลง
- การแปลง
- การแปลง
- การเปลี่ยนแปลง
- วางใจ
- ลอง
- พยายาม
- สอง
- เข้าใจ
- การใช้
- ใช้
- มือสอง
- ผู้ใช้
- ใช้
- การใช้
- ความคุ้มค่า
- ตัวแปร
- มาก
- เห็นภาพ
- vs
- ต้องการ
- คือ
- ทาง..
- วิธี
- we
- เว็บ
- การขูดเว็บ
- คือ
- อะไร
- ความหมายของ
- เมื่อ
- ที่
- ในขณะที่
- WHO
- วิกิพีเดีย
- จะ
- กับ
- ไม่มี
- งาน
- เขียน
- การเขียน
- ผิด
- เขียน
- ปี
- เธอ
- ของคุณ
- ลมทะเล
- เป็นศูนย์