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。

本提示词帮助用户基于标注数据集构建高精度预测系统，提供数据准备、模型选择、训练与评估等分步指南，并涵盖优化策略和最佳实践。输出内容结构化、清晰，支持快速上手和模型迭代。适用于各类预测任务，助力用户高效开发可靠机器学习模型。

生成清晰、准确且具有说服力的分步操作指南。

该提示词帮助用户有效评估机器学习模型的性能，通过关键指标提供可操作的见解和性能评估。

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。

该提示词可根据用户输入的编程语言、API或库名称、目标任务与关键参数，生成清晰可复现的使用指引，包括完整代码示例与关键参数解释。所有内容均基于用户显式输入信息，不依赖外部自动推断，确保可控与准确。适用于快速理解 API 功能、完成集成开发或编写内部技术文档，帮助开发者高效实现目标功能。

专业能源管理提示词，帮助用户分析耗能模式，提供资源优化建议。

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。