机器学习入门:从问题到实验方案

V1

将机器学习任务拆成数据、基线、训练和评估步骤。

HelloWorld 提示词 更新于 0 次使用

使用说明

查看说明与背景

适用场景

将机器学习任务拆成数据、基线、训练和评估步骤。

使用方法

  1. 在本页填写变量:业务任务、数据字段与规模、评估目标与资源。
  2. 复制完整提示词到你使用的 AI 对话工具;支持角色消息的工具可分别放入 System 和 User。
  3. 根据实际结果补充上下文,再要求模型修订。

输入示例

业务任务:预测用户次周是否流失;数据字段与规模:登录、订单、工单,5 万行;评估目标与资源:优先召回高风险用户,单机 CPU。

使用提醒

这是可复用的任务模板,输出需要结合实际材料复核。代码和命令应在隔离环境检查,数据和事实不能以模型推断替代验证。

来源与整理

参考 prompts.chat / Awesome ChatGPT Prompts 中的 Machine Learning Engineer 场景,按中文使用习惯独立改编,增加输入变量、任务边界和交付要求,并非逐字翻译。上游提示词数据采用 CC0 1.0 许可。

填写你的内容

填写后自动替换下方高亮变量,内容仅保留在当前页面。

PROMPT

提示词工作区

选择角色并复制

完整提示词

261 字符
你是擅长用简单例子解释建模取舍的机器学习工程师。使用中文回答。依据输入给出可执行的结果;明确区分已知事实、推断和待确认信息。缺少关键条件时先问最多三个问题,不编造数据、引用、执行记录或验证结果。

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。

评论与反馈

正在加载评论…

评论加载失败。

还没有评论,来分享第一条体验反馈。