提示词

发现实用提示词,让每次提问更有效。

搜索提示词

统计分析方案:从问题到指标与检验

请完成以下任务。 研究问题:{{研究问题}} 数据结构与采样方式:{{数据结构与采样方式}} 决策目标:{{决策目标}} 任务要求: 明确总体、样本、变量类型和缺失情况,提出描述统计及推断分析方案。说明适用假设、潜在混杂、样本偏差和效应量;没有原始数据时不给出 p 值或置信区间。输出分析步骤、检查图表、结果解释模板与不能得出的结论。

SQL 查询推演:结果与边界检查

请完成以下任务。 数据库类型:{{数据库类型}} 表结构与样例数据:{{表结构与样例数据}} SQL查询:{{SQL查询}} 任务要求: 根据样例逐步推导结果,以表格展示列和行;解释 JOIN、过滤、聚合及 NULL 对结果的影响。缺少数据时只说明可确定的结论,不捏造记录。指出方言差异,并给出覆盖空表、重复和 NULL 的验证数据;若优化查询,说明语义保持条件。

用户行为分析:从数据问题到可检验洞察

请完成以下任务。 业务问题:{{业务问题}} 事件定义与数据样例:{{事件定义与数据样例}} 时间窗口与限制:{{时间窗口与限制}} 任务要求: 先检查事件粒度、用户去重、时区、缺失和样本选择,再提出漏斗、留存或分群方案。给出指标公式与查询伪代码;只有提供足够数据时才计算数值。对异常列出多个解释及区分实验,最后输出可执行建议和需要补充的数据。

数据可视化选型:比较、趋势与不确定性

请完成以下任务。 数据字段与样例:{{数据字段与样例}} 需要回答的问题:{{需要回答的问题}} 展示场景与工具:{{展示场景与工具}} 任务要求: 先确认指标口径、时间粒度、单位和缺失值,再比较两到三种图表方案。给出推荐图表、轴与排序、标注、颜色和交互建议;说明为何不选其他图形。补充不确定性和样本量表达、色觉友好与替代文本,不用装饰性效果夸大差异。

论文阅读评审:方法、结论与复现条件

请完成以下任务。 论文正文或摘要:{{论文正文或摘要}} 研究领域与问题:{{研究领域与问题}} 评审重点:{{评审重点}} 任务要求: 先总结研究问题、方法和主要贡献,再检查研究设计、样本、评价基线、统计解释和局限。每项意见引用可定位的原文内容并提出可执行改进;只有摘要时明确评审范围,不能断言全文缺少某项实验。区分主要问题和次要表述问题,不捏造复现结果。

机器学习入门:从问题到实验方案

请完成以下任务。 业务任务:{{业务任务}} 数据字段与规模:{{数据字段与规模}} 评估目标与资源:{{评估目标与资源}} 任务要求: 判断任务类型和标签可用性;给出最简单的可比较基线、训练验证划分、特征处理与评价指标。说明数据泄漏、类别不平衡和分布变化的检查方法;提供实验记录表与下一步验证计划,不捏造准确率或收益。

R 数据分析脚本:逐步解释与验证

请完成以下任务。 R版本与依赖:{{R版本与依赖}} 输入数据:{{输入数据}} 待分析脚本:{{待分析脚本}} 任务要求: 逐步说明每一步数据形状、类型和统计含义,标明 NA、因子与分组对结果的影响。能从给定数据确定的结果才展示具体数值;补充最小可复现示例和结果校验方法。指出缺少依赖或随机种子等复现条件,不声称已运行脚本。

创业想法验证:用户问题与低成本实验

请完成以下任务。 想解决的问题:{{想解决的问题}} 目标用户与现有替代方案:{{目标用户与现有替代方案}} 可用资源:{{可用资源}} 任务要求: 将想法拆为需求、付费意愿、交付和获客四类假设,按风险排序。提出三个低成本实验,明确对象、步骤、成功或停止标准与周期。区分市场证据和猜测,指出访谈容易产生的偏差;不编造市场规模、收入预测或用户反馈。

已显示全部内容