读取文件
→
检查点1
→
EDA
→
检查点2
→
建模
→
可视化
→
结论
A
广告费 → 销售额预测
0
读取文件（边界处理）
自动检测 UTF-8 编码，50 行 × 2 列，无缺失值，数据质量合格
!
检查点 1：确认分析目标
"你的数据有 50 行 × 2 列。你最关心预测销售额，分析目的是建立预测关系，对吗？"
1
探索性分析（EDA）
散点图显示强线性正相关，Pearson r = 0.97
强相关 |r| > 0.7!
检查点 2：确认模型方向
"两变量呈强线性相关（r=0.97），建议用线性回归建模。是否继续？"
2
建模验证
线性回归：R² = 0.94，RMSE = 2.1 万
散点图 + 回归线（Pearson r = 0.97）
业务结论
每增加 1 万广告投入，预计带来约 3.6 万元 销售额增长。相关性不等于因果性——可能同时存在季节、促销等其他影响因素。
B
学生成绩多变量影响因素分析
0
读取文件（边界处理）
300 行 × 5 列，含分类型变量"家长教育水平"，缺失值 3 行（<1%）→ 直接删除
!
检查点 1：确认分析目标
"目标变量是期末成绩，分析目的是找出关键影响因素，对吗？"
1
探索性分析（EDA）
学习时长与成绩 r=0.76（最强相关）
家长教育水平高的学生平均分高 18 分（箱线图）
睡眠与成绩弱正相关 r=0.31
!
检查点 2：确认模型方向
"多变量 + 分类型变量混合 → 推荐随机森林回归（能处理非线性，无需手动编码）。"
2
建模验证
随机森林（100 棵树）：R² = 0.82
特征重要性：学习时长 51% > 家长教育水平 23% > 睡眠时长 14% > 课外活动 12%
随机森林特征重要性（学习时长贡献 51%）
变量间相关性矩阵（学习时长与成绩 r=0.76）
业务结论
影响期末成绩最关键的因素是学习时长（贡献 51%），其次是家长教育水平（23%）。增加 1h/天学习时间，预计提升 8-12 分。
C
非线性关系拟合
0
读取文件 + EDA
散点图呈明显抛物线弯曲 → 线性回归不适合，需要非线性模型
!
检查点 2：确认模型方向
"散点图呈弯曲趋势，建议用多项式回归（先 2 阶再 3 阶），自动比较效果。"
2
建模验证
2 阶多项式 R² = 0.964，3 阶 R² = 0.964
2 阶已足够，3 阶无显著提升
2 阶 vs 3 阶多项式拟合对比（左）+ 模型性能指标（右）
模型选择结论
2 阶多项式已能很好地拟合数据（R²=0.96），3 阶模型无显著提升——简单优先原则生效，避免了过拟合风险。
如何触发这个技能？
上传你的数据文件
CSV 或 Excel 格式，中文英文均可
说出你的需求
"分析这个数据" / "画个散点图" / "预测趋势"
回答 AI 的提问
两个检查点会主动问你，确认方向
获取图表 + 结论
专业可视化 + "也就是说"业务解释