ml-supervised

使用带有正确答案标签的数据创建预测模型的监督学习技能。 接收表格格式数据（CSV、JSON、Parquet、Excel等）， 使用随机森林（Random Forest）、梯度提升（Gradient Boosting）、XGBoost、支持向量机（SVM）、K近邻（KNN）、决策树（Decision Tree）进行**分类/回归**任务， 并包含交叉验证和**超参数调优**功能。 执行后将提供以下内容： - 内置运行结果的 Jupyter Notebook（ml-supervised.ipynb） - 模型性能比较表（ml-supervised_result.csv） - 韩语分析报告（ml-supervised_report.md） 在以下情况中，请务必使用此技能： - “想要预测购买与否、流失与否、是否不良” → **分类模型** - “想要预测销售额、价格、数量等数值” → **回归模型** - “想知道哪个变量对结果影响最大” → **变量重要性分析** - “请帮我找出多个机器学习模型中表现最好的一个” → **模型对比** - “想用带正确答案标签（Y列）的CSV文件构建预测模型” - 在使用 csv-ml-unsupervised 生成聚类标签后，继续用监督学习推进时

存档时间线

版本索引永久保留；内容副本只保留最新 1 份，更早版本仅留索引与哈希（存档时间线的证据链不会因此断裂）。

下载存档内容副本