模型自动推荐（Model Recommendation）

概述

此技能根据用户提供的数据特征和预测需求，自动推荐最合适的监督学习模型。

覆盖的模型：

核心决策逻辑

你要预测的 Y 是什么类型？
    │
    ├── 连续数值（房价、温度、销量……）
    │   ├─ 关系简单/线性 → 线性回归
    │   └─ 关系复杂/非线性 → 神经网络（回归模式）
    │
    ├── 二分类：是/否（会不会违约、是不是垃圾邮件……）
    │   ├─ 需要概率 + 可解释 → 逻辑回归
    │   ├─ 不要概率 + 样本少/特征多 → SVM
    │   └─ 数据海量 + 关系复杂 → 神经网络
    │
    └── 多分类：K 个类别（K≥3，猫/狗/鸟……）
        ├─ 数据少 + 关系简单 → Softmax 回归
        ├─ 样本少 + 特征多 → SVM（One-vs-One）
        └─ 数据海量 + 关系复杂 → 神经网络 + softmax

交互流程

严格按以下 5 步执行，不要跳过任何一步：

Step 0：先确认输入是否足够

在推荐模型前，必须确认以下信息；缺失时先提问，不要根据模糊描述直接选择算法：

1. 任务类型：连续预测、二分类、多分类、异常检测还是推荐？
2. 目标变量或评分信号：目标列叫什么，取值示例是什么？
3. 数据规模：样本行数、特征数量、类别数量（如适用）。
4. 数据形态：CSV 路径或 3-5 行样例；是否存在缺失值、文本字段或类别不平衡？
5. 业务约束：是否需要概率、可解释性或低延迟？

如果用户只能提供自然语言描述，先用以下模板引导：

我想解决：
数据位置/样例：
目标列或评分列：
样本量和特征数：
缺失值/文本字段/类别不平衡：
是否需要概率或可解释性：

信息仍不足时，输出“暂不能可靠推荐”的原因，并给出需要补充的最少字段；不要把猜测写成确定结论。

Step 1：确认预测目标（Y 的类型）

向用户提问：

你要预测的 Y（目标变量） 是什么类型的？

• A. 连续数值 —— 比如房价、温度、销量、分数……
• B. 二分类（是/否） —— 比如会不会违约、是不是垃圾邮件、有没有病……
• C. 多分类（3 类及以上） —— 比如识别图片是猫/狗/鸟、判断水果是苹果/橘子/榴莲……

根据用户回答，确定后续路线。

Step 2：收集数据和场景信息

根据 Y 的类型，针对性提问。以下问题必须逐条问到：

所有路线必问：

1. 数据量级：大约有多少条训练样本？
   • A. 几百条及以下 B. 几千条 C. 几万条 D. 几十万条以上
2. 特征数量：每个样本大约有多少个特征（输入变量）？
   • A. 几个（≤5） B. 几十个 C. 几百个 D. 几千个以上
3. 可解释性需求：你是否需要向别人解释"模型为什么给出这个预测结果"？
   • 例如：银行审批贷款需要告诉客户"因为你的信用分太低"→ 需要可解释
   • 例如：图片识别猫狗 → 不需要解释
4. 概率需求（仅二分类和多分类）：你是否需要模型输出概率（如"得病概率 85%"），而不仅仅是类别标签？

回归路线额外问：

5. 线性程度：输入变量和 Y 之间，大致是线性关系吗？
   • 例如：经验告诉你"面积每增加 1㎡，房价大致涨 8000"→ 大致线性
   • 例如：完全不知道什么关系 → 不确定

Step 3：根据决策表推荐模型

根据用户在第 1、2 步的回答，匹配以下决策规则，给出推荐。 推荐结果必须列出：已知事实、仍缺失的信息、首选模型、备选模型，以及用户确认后才会调用的具体技能。

📏 回归路线（Y = 连续数值）

🎯 二分类路线（Y = 是/否）

📊 多分类路线（Y = K 个类别，K≥3）

Step 4：输出推荐结果

按以下格式输出，让用户一目了然：

## 🎯 模型推荐

### 首选：{模型名称}

**理由：**
1. {理由 1}
2. {理由 2}
3. {理由 3}

### 备选：{备选模型名称}

**什么情况下改用：**
- {条件 1}
- {条件 2}

### ⚙️ 关键参数提示
- {参数 1}：{说明和作用}
- {参数 2}：{说明和作用}

Step 5：询问是否调用对应技能

如果用户已有具体数据，询问是否需要直接跳转到已有技能执行预测：

你已经有具体数据了吗？如果需要，我可以直接调用 {对应技能名} 技能帮你跑模型。

可用的技能：

• linear-regression —— 线性回归
• logistic-regression —— 逻辑回归
• svm —— SVM 支持向量机（线性核 / 高斯核，自动判断非线性需求）
• neural-network —— 神经网络（分类和回归都支持）

（注：Softmax 回归的技能尚未搭建，如需使用可以手动编写代码。）

模型速查表

以下为五个核心模型的一句话总结和典型场景：

详细的五模型横向对比表见 references/model-comparison-table.md。

关键边界情况处理

特征数 >> 样本数（p >> n）

这是 SVM 的强项。推荐 SVM + 线性核，正则化项天然防止过拟合。逻辑回归加 L2 正则化也可用，但 SVM 在这种场景通常更稳。

样本极大（百万级）

神经网络是唯一可行的选择。SVM 的对偶问题求解复杂度是 O(m²)~O(m³)，百万样本根本跑不动。

用户同时需要概率和复杂边界

推荐 神经网络 + sigmoid/softmax 输出。它既有概率输出，又能处理非线性。

用户什么都不确定

建议：先用简单模型（线性回归/逻辑回归）跑一个 baseline → 如果效果差 → 升级到 SVM 或神经网络。不要在没看到数据之前就上最复杂的模型。

补充说明

• 本技能只做推荐，不代替用户做最终决定。每个推荐都附带理由，让用户理解"为什么"。
• 推荐的准确性取决于用户提供的信息质量。如果用户说"不确定"，优先推荐简单模型。
• 如果用户的问题超出了本技能覆盖的 5 个模型范围（如无监督学习、强化学习），直接告知并建议查阅其他资料。