本提示词提供专业NLP指导，覆盖从数据收集、文本预处理、特征提取、模型选择与训练，到模型评估及部署的完整情感分析流程。用户可基于提供的数据源、系统规格和编程语言构建稳健模型，获得准确的客户情感解析结果，并支持模型优化与持续更新，适用于科研、企业客户分析及数据驱动决策场景。

通过分步骤参数优化方法和评估策略，帮助用户提升模型预测精度，提供可操作的优化流程、结果解读及持续改进建议，确保机器学习模型性能稳健提升。

基于销售数据训练并评估随机森林模型，输出预测结果与误差。

本提示词指导如何通过特征重要性技术提升模型可解释性，涵盖全局与局部分析方法，结合实际案例演示，兼顾理论深度与实操性。

通过分步骤结构化流程，指导用户基于未见数据全面评估机器学习模型性能，提供可操作的改进建议与最佳实践，确保模型泛化能力和分析结果可靠性。

本提示词为数据科学家设计，提供决策树模型构建的全流程指导。覆盖数据准备、特征选择、分裂标准、模型评估、剪枝优化及集成方法，强调提高准确性与效率的最佳实践。输出结构化、清晰的步骤列表和关键注意事项，帮助用户高效完成预测任务，并降低建模陷阱风险。

根据用户提供的数据集、目标变量和预测变量，提供完整回归建模指导。涵盖模型选择、数学方程展示、关键性能指标计算与解读，并提供结果解释与潜在改进建议。帮助用户高效构建、验证并优化回归模型，实现数值预测与决策支持。

本提示词可帮助用户从数据描述、方法选择到聚类实现与结果解读，提供完整专业流程与可视化指导，支持高效聚类分析，确保数据科学项目的准确性与可解释性。

本提示词指导如何通过统计分析和可视化探索多个数据集的分布特征，识别模式与洞察，适用于数据科学家的报告撰写。