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。

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。

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。