Skip to content

C
ciecc-agent
Commit 12c57c62 authored by wangning's avatar wangning
Browse files
Options

fix 智能体知识库 提示词

parent bbed8548
Show whitespace changes
Inline Side-by-side
Showing with 164 additions and 47 deletions
.idea/workspace.xml
View file @ 12c57c62
......@@ -4,17 +4,13 @@
<option name="autoReloadType" value="SELECTIVE" />
</component>
<component name="ChangeListManager">
<list default="true" id="26f8285c-12a3-40dc-b957-23c37b8f3c67" name="Changes" comment="fix 智能体知识库 问题">
<change afterPath="$PROJECT_DIR$/src/main/resources/promptwords/algosuggest/algo_suggest.txt" afterDir="false" />
<change afterPath="$PROJECT_DIR$/src/main/resources/testcases/algo_knowledge/algo_knowledge5.jsonl" afterDir="false" />
<list default="true" id="26f8285c-12a3-40dc-b957-23c37b8f3c67" name="Changes" comment="fix 智能体知识库 提示词">
<change afterPath="$PROJECT_DIR$/src/main/resources/testcases/algo_suggest_request/suggest_algorithm_260121.jsonl" afterDir="false" />
<change beforePath="$PROJECT_DIR$/.idea/workspace.xml" beforeDir="false" afterPath="$PROJECT_DIR$/.idea/workspace.xml" afterDir="false" />
<change beforePath="$PROJECT_DIR$/src/main/java/pro/spss/server/agent/domain/constant/ChatConstants.java" beforeDir="false" afterPath="$PROJECT_DIR$/src/main/java/pro/spss/server/agent/domain/constant/ChatConstants.java" afterDir="false" />
<change beforePath="$PROJECT_DIR$/src/main/java/pro/spss/server/agent/service/chatService/ChatServiceImpl.java" beforeDir="false" afterPath="$PROJECT_DIR$/src/main/java/pro/spss/server/agent/service/chatService/ChatServiceImpl.java" afterDir="false" />
<change beforePath="$PROJECT_DIR$/src/main/java/pro/spss/server/agent/utils/DataSummaryUtil.java" beforeDir="false" afterPath="$PROJECT_DIR$/src/main/java/pro/spss/server/agent/utils/DataSummaryUtil.java" afterDir="false" />
<change beforePath="$PROJECT_DIR$/src/main/resources/application-wn.yml" beforeDir="false" afterPath="$PROJECT_DIR$/src/main/resources/application-wn.yml" afterDir="false" />
<change beforePath="$PROJECT_DIR$/src/main/resources/promptwords/algo_suggest" beforeDir="false" afterPath="$PROJECT_DIR$/src/main/resources/promptwords/algosuggest/algo_suggest_260121.txt" afterDir="false" />
<change beforePath="$PROJECT_DIR$/src/main/resources/promptwords/algo_suggest_bak260118" beforeDir="false" afterPath="$PROJECT_DIR$/src/main/resources/promptwords/algosuggest/algo_suggest_260118.txt" afterDir="false" />
<change beforePath="$PROJECT_DIR$/src/main/resources/promptwords/algo_suggest_bak260119" beforeDir="false" afterPath="$PROJECT_DIR$/src/main/resources/promptwords/algosuggest/algo_suggest_260119.txt" afterDir="false" />
<change beforePath="$PROJECT_DIR$/src/main/resources/promptwords/algosuggest/algo_suggest.txt" beforeDir="false" afterPath="$PROJECT_DIR$/src/main/resources/promptwords/algosuggest/algo_suggest.txt" afterDir="false" />
<change beforePath="$PROJECT_DIR$/src/main/resources/testcases/algo_knowledge/algo_knowledge5.jsonl" beforeDir="false" afterPath="$PROJECT_DIR$/src/main/resources/testcases/algo_knowledge/algo_knowledge_260121.jsonl" afterDir="false" />
<change beforePath="$PROJECT_DIR$/src/main/resources/testcases/algo_suggest_request/suggest_algorithm1.jsonl" beforeDir="false" />
</list>
<option name="SHOW_DIALOG" value="false" />
<option name="HIGHLIGHT_CONFLICTS" value="true" />
......@@ -32,24 +28,24 @@
<option name="hideEmptyMiddlePackages" value="true" />
<option name="showLibraryContents" value="true" />
</component>
<component name="PropertiesComponent"><![CDATA[{
"keyToString": {
"Maven.ciecc-agent [clean].executor": "Run",
"Maven.ciecc-agent [compile].executor": "Run",
"ModuleVcsDetector.initialDetectionPerformed": "true",
"RunOnceActivity.ShowReadmeOnStart": "true",
"RunOnceActivity.TerminalTabsStorage.copyFrom.TerminalArrangementManager.252": "true",
"RunOnceActivity.git.unshallow": "true",
"Spring Boot.Application.executor": "Debug",
"git-widget-placeholder": "master",
"kotlin-language-version-configured": "true",
"last_opened_file_path": "D:/projects/ciecc-agent/src/main/resources/testcases/algo_knowledge",
"project.structure.last.edited": "Project",
"project.structure.proportion": "0.15",
"project.structure.side.proportion": "0.21954022",
"settings.editor.selected.configurable": "MavenSettings"
<component name="PropertiesComponent">{
&quot;keyToString&quot;: {
&quot;Maven.ciecc-agent [clean].executor&quot;: &quot;Run&quot;,
&quot;Maven.ciecc-agent [compile].executor&quot;: &quot;Run&quot;,
&quot;ModuleVcsDetector.initialDetectionPerformed&quot;: &quot;true&quot;,
&quot;RunOnceActivity.ShowReadmeOnStart&quot;: &quot;true&quot;,
&quot;RunOnceActivity.TerminalTabsStorage.copyFrom.TerminalArrangementManager.252&quot;: &quot;true&quot;,
&quot;RunOnceActivity.git.unshallow&quot;: &quot;true&quot;,
&quot;Spring Boot.Application.executor&quot;: &quot;Debug&quot;,
&quot;git-widget-placeholder&quot;: &quot;master&quot;,
&quot;kotlin-language-version-configured&quot;: &quot;true&quot;,
&quot;last_opened_file_path&quot;: &quot;D:/projects/ciecc-agent/src/main/resources/testcases/algo_knowledge&quot;,
&quot;project.structure.last.edited&quot;: &quot;Project&quot;,
&quot;project.structure.proportion&quot;: &quot;0.15&quot;,
&quot;project.structure.side.proportion&quot;: &quot;0.21954022&quot;,
&quot;settings.editor.selected.configurable&quot;: &quot;MavenSettings&quot;
}
}]]></component>
}</component>
<component name="RecentsManager">
<key name="CopyFile.RECENT_KEYS">
<recent name="D:\projects\ciecc-agent\src\main\resources\testcases\algo_knowledge" />
......@@ -118,13 +114,22 @@
<option name="project" value="LOCAL" />
<updated>1768978168054</updated>
</task>
<option name="localTasksCounter" value="3" />
<task id="LOCAL-00003" summary="fix 智能体知识库 提示词">
<option name="closed" value="true" />
<created>1768990280781</created>
<option name="number" value="00003" />
<option name="presentableId" value="LOCAL-00003" />
<option name="project" value="LOCAL" />
<updated>1768990280781</updated>
</task>
<option name="localTasksCounter" value="4" />
<servers />
</component>
<component name="VcsManagerConfiguration">
<MESSAGE value="fix" />
<MESSAGE value="fix 智能体知识库 问题" />
<option name="LAST_COMMIT_MESSAGE" value="fix 智能体知识库 问题" />
<MESSAGE value="fix 智能体知识库 提示词" />
<option name="LAST_COMMIT_MESSAGE" value="fix 智能体知识库 提示词" />
</component>
<component name="XDebuggerManager">
<watches-manager>
......
src/main/resources/promptwords/algosuggest/algo_suggest.txt
View file @ 12c57c62
......@@ -5,11 +5,11 @@
2. 你的任务
根据用户的自然语言需求：
* 从固定算法库中筛选算法
* 推荐最多 10 个最合适的算法
* 只能用 JSON 输出结果
* 推荐最多10个最合适的算法
* 只能用JSON输出结果
二、绝对规则（强约束，必须严格遵守）
1. 算法名称必须严格来自算法库的 name 字段
1. 算法名称必须严格来自算法库的name字段
2. 不允许改写、翻译、简化或创造算法名
3. 不在算法库中的算法必须直接删除
4. 按 name 全局去重
......@@ -30,28 +30,34 @@
需抽取并判断以下六类标签：
1. 任务类型（task）（可为一个或多个）
取值：预测 / 回归 / 分类 / 聚类 / 相关 / 检验 / 降维 / 评价 / 排序 / 效率 / 决策
规则：根据用户自然语言语义匹配；若包含多个目标，输出多个任务类型。
规则：根据用户自然语言的整体语义，由大模型理解其分析目标，从固定 task 集合中选择最符合的一项或多项。
若表达包含多个目标，输出多个任务类型。
若大模型无法可靠判断 task，直接输出“模糊需求”格式。
2. 数据类型（data）
取值：时间序列 / 非时间序列
规则：数据中包含明确时间字段（年、月、日、季度、时间戳等）→ 时间序列；否则为非时间序列。
规则：数据中包含明确时间字段（年、月、日、季度、时间戳等）→ 时间序列；
否则为非时间序列。
3. 关系类型（relation）
取值：线性 / 非线性 / 不限
规则：用户明确说明则按其指定；否则设为“不限”。
规则：用户明确说明则按其指定；
否则设为“不限”。
4. 样本规模（sample）
取值：小样本 / 偏小样本 / 不限
规则：用户明确说明则按其指定；否则默认：不限。
规则：用户明确说明则按其指定；
否则默认：不限。
5. 复杂度（complexity）
取值：简单 / 复杂
取值：简单 / 复杂 / 不限
规则：
* 用户强调可解释、简单、易理解 → 简单
* 用户强调高精度、复杂模型、深度学习 → 复杂
* 否则按数据特征判断：
* 样本很小且特征少 → 简单
* 特征多或明显非线性 → 复杂
* 无法判断 → 默认简单
用户强调可解释、简单、易理解 → 简单
用户强调高精度、复杂模型、深度学习 → 复杂
否则由大模型结合语义与数据概要判断：
若整体倾向基础分析、低维、直观 → 简单
若整体倾向复杂建模、非线性、多特征 → 复杂
无法判断 → 默认：不限
6. 模型特性偏好（property）（可选，多选）
取值来自算法库的 property 字段。
规则：用户有明确偏好则映射；无偏好则设为：不限。
规则：由大模型根据用户整体语义，在算法库已有的 property 集合中选择最符合的一项或多项。
若无法判断或用户未体现偏好 → property = 不限。
输出要求：
仅输出结果，不输出过程。格式必须为：
【用户需求标签】
......@@ -70,10 +76,10 @@
1. 算法 task 与用户 task 有交集
2. 算法 data 与用户 data 一致
不满足任一条件的算法直接剔除。
（五）匹配评分与过滤（六标签）
在通过初筛的算法上计算匹配分数。
总分 = task分 + data分 + relation分 + sample分 + complexity分 + property分
评分规则：
1. task 分：
* 算法 task == 用户 task → 3
......@@ -91,15 +97,22 @@
* 算法 complexity = 用户 complexity → 2
* 否则 → 0
6. property 分：
* 用户 property = 不限 → 0
* 否则 = |算法 property ∩ 用户 property|
- 若 用户.property = "不限"，property_score = 0
- 否则：
- 若 用户的核心需求关键词 与 算法的主要作用匹配，property_score = 2
- 否则，property_score = 0
过滤规则：
* 若总分 < 5，则剔除该算法
（六）结果输出
1. 若有推荐结果：按“正常推荐”格式输出
2. 若无算法满足条件：按“模糊需求”格式输出
3. 只输出合法 JSON，不输出任何多余文字
3. 输出前必须进行结果校验：
- 所有算法名称必须严格来自算法库的 name 字段
- 不在算法库中的算法一律删除
- 按 name 全局去重，禁止出现重复算法名称
- 不允许出现空字符串或无效算法名
4. 校验完成后再生成最终 JSON 输出
四、输出规范
（一）正常推荐格式
......
src/main/resources/testcases/algo_suggest_request/suggest_algorithm1.jsonl → src/main/resources/testcases/algo_suggest_request/suggest_algorithm_260121.jsonl
View file @ 12c57c62
{"prompt":"促销支出和销售量之间是不是存在线性关系？","dataId":"","confirm":false,"sessionId":"S1001","expected":"最小二乘回归"}
{"prompt":"哪些地区的实际销售量和模型预测差距最大？","dataId":"","confirm":false,"sessionId":"S1001","expected":"最小二乘回归"}
{"prompt":"这个模型是否适合长期指导促销预算分配，还是只适合当前样本？","dataId":"","confirm":false,"sessionId":"S1001","expected":"最小二乘回归"}
{"prompt":"这几个指标里，哪个和 GDP 增速关系最明显？","dataId":"","confirm":false,"sessionId":"S1001","expected":"岭回归"}
{"prompt":"固定资产投资增速和基础设施投资增速的变化是不是经常很相似？","dataId":"","confirm":false,"sessionId":"S1001","expected":"岭回归"}
{"prompt":"当固定资产投资和基础设施投资在大多数样本里都高度同步时，用它们同时预测 GDP，会不会影响结果的稳定性？","dataId":"","confirm":false,"sessionId":"S1001","expected":"岭回归"}
{"prompt":"这几个指标里，哪些对 GDP 增速影响最明显？","dataId":"","confirm":false,"sessionId":"S1001","expected":"套索回归"}
{"prompt":"如果只保留对 GDP 真正有用的指标，哪些可以不要？","dataId":"","confirm":false,"sessionId":"S1001","expected":"套索回归"}
{"prompt":"在多个指标一起影响 GDP 的情况下，能不能自动挑出最关键的指标，其它影响很小的就忽略掉？","dataId":"","confirm":false,"sessionId":"S1001","expected":"套索回归"}
{"prompt":"职位级别越高，薪资是不是涨得越来越快？","dataId":"","confirm":false,"sessionId":"S1001","expected":"多项式回归"}
{"prompt":"职位从低级到高级，薪资增长是不是不是匀速的，而是后面涨得更猛？","dataId":"","confirm":false,"sessionId":"S1001","expected":"多项式回归"}
{"prompt":"如果薪资和级别之间是“越往后涨得越快”的弯曲关系，用简单直线会不会不准，需要用能拟合弯曲关系的方法？","dataId":"","confirm":false,"sessionId":"S1001","expected":"多项式回归"}
{"prompt":"这些指标和 GDP 同比之间的关系，看起来是不是不太像一条直线？","dataId":"","confirm":false,"sessionId":"S1001","expected":"支持向量机回归"}
{"prompt":"在样本不多、波动又很大的情况下，用简单方法预测 GDP 会不会不准？","dataId":"","confirm":false,"sessionId":"S1001","expected":"支持向量机回归"}
{"prompt":"如果数据量不大、关系又比较复杂，有没有一种方法在小样本下也能学到这种“弯弯曲曲”的关系来做预测？","dataId":"","confirm":false,"sessionId":"S1001","expected":"支持向量机回归"}
{"prompt":"人力成本和原材料成本变化，对收益增长率影响明显吗？中等问题：","dataId":"","confirm":false,"sessionId":"S1001","expected":"BP神经网络"}
{"prompt":"当人力成本、原材料成本一点点变化时，收益的变化是不是有时候不太规律、很难用直线说明？","dataId":"","confirm":false,"sessionId":"S1001","expected":"BP神经网络"}
{"prompt":"如果收益和成本之间的关系很复杂、变化不规则，用简单公式说不清，那有没有办法直接从数据里学出这种复杂关系来做预测？","dataId":"","confirm":false,"sessionId":"S1001","expected":"BP神经网络"}
{"prompt":"这些信息里，哪些最容易看出一个人会不会违约？","dataId":"","confirm":false,"sessionId":"S1001","expected":"梯度提升树"}
{"prompt":"有的人单看某一项数据好像没问题，但放在一起看却变成高风险，这是怎么回事？","dataId":"","confirm":false,"sessionId":"S1001","expected":"梯度提升树"}
{"prompt":"如果判断违约要同时看很多条件、而且关系还挺复杂，有没有一种办法能把这些情况组合起来，尽量判断得更准？","dataId":"","confirm":false,"sessionId":"S1001","expected":"梯度提升树"}
{"prompt":"每个月的销售额大概是往上走的，下一月大概会是多少？","dataId":"","confirm":false,"sessionId":"S1001","expected":"移动平均法"}
{"prompt":"有时候某个月突然高一点或低一点，这种波动能不能“平滑”一下再看趋势？","dataId":"","confirm":false,"sessionId":"S1001","expected":"移动平均法"}
{"prompt":"如果我更关心整体走势而不是某个月的突然变化，有没有办法把这些起伏压一压，再用来预测下个月的销售额？","dataId":"","confirm":false,"sessionId":"S1001","expected":"移动平均法"}
{"prompt":"最近几年的销售量，对预测下一年的影响是不是更大？","dataId":"","confirm":false,"sessionId":"S1001","expected":"指数平滑法"}
{"prompt":"早些年的数据和最近的数据，预测时是不是应该更看重新的？","dataId":"","confirm":false,"sessionId":"S1001","expected":"指数平滑法"}
{"prompt":"如果我主要想做短期预测，能不能让模型更“偏向”最近的数据来判断未来的销售量？","dataId":"","confirm":false,"sessionId":"S1001","expected":"指数平滑法"}
{"prompt":"这个月的销售量，会不会主要受前几个月的影响？","dataId":"","confirm":false,"sessionId":"S1001","expected":"自回归模型（AR）"}
{"prompt":"如果前几个月卖得多，这个月一般也会偏多吗？","dataId":"","confirm":false,"sessionId":"S1001","expected":"自回归模型（AR）"}
{"prompt":"能不能只靠过去几个月的销售量，来推算下一个月大概能卖多少？","dataId":"","confirm":false,"sessionId":"S1001","expected":"自回归模型（AR）"}
{"prompt":"有些月份产能利用率突然高一点或低一点，是不是偶然情况造成的？","dataId":"","confirm":false,"sessionId":"S1001","expected":"滑动平均模型（MA）"}
{"prompt":"这些突然的波动，会不会影响后面几个月的产能利用率？","dataId":"","confirm":false,"sessionId":"S1001","expected":"滑动平均模型（MA）"}
{"prompt":"如果主要是一些“随机起伏”在影响数据，能不能专门把这些波动考虑进去，用来做短期预测？","dataId":"","confirm":false,"sessionId":"S1001","expected":"滑动平均模型（MA）"}
{"prompt":"这个月的产量，会不会主要受前几个月产量的影响？","dataId":"","confirm":false,"sessionId":"S1001","expected":"自回归滑动平均模型"}
{"prompt":"有时候产量突然高一点或低一点，这种波动会不会影响后面的走势？","dataId":"","confirm":false,"sessionId":"S1001","expected":"自回归滑动平均模型"}
{"prompt":"如果既有“跟着过去走的规律”，又有一些偶然波动，能不能同时把这两种情况一起考虑来预测下个月的产量？","dataId":"","confirm":false,"sessionId":"S1001","expected":"自回归滑动平均模型"}
{"prompt":"销售额一直在往上走，是不是每个月都在增长？","dataId":"","confirm":false,"sessionId":"S1001","expected":"差分自回归移动平均模型"}
{"prompt":"如果一直这样上涨，用原来的数据直接预测，会不会不太准？","dataId":"","confirm":false,"sessionId":"S1001","expected":"差分自回归移动平均模型"}
{"prompt":"要是数据本身一直在变、不是稳定水平，能不能先把“变化幅度”拿出来，再用它来预测后面的销售额？","dataId":"","confirm":false,"sessionId":"S1001","expected":"差分自回归移动平均模型"}
{"prompt":"只有这么几年数据，也能大概看出以后会怎么涨吗？","dataId":"","confirm":false,"sessionId":"S1001","expected":"灰色模型"}
{"prompt":"数据不多、还有点波动，用常见方法会不会不太准？","dataId":"","confirm":false,"sessionId":"S1001","expected":"灰色模型"}
{"prompt":"要是数据本身一直在变、不是稳定水平，能不能先把“变化幅度”拿出来，再用它来预测后面的销售额？","dataId":"","confirm":false,"sessionId":"S1001","expected":"灰色模型"}
{"prompt":"看这些条件，大概能不能直接判断一个供应商算不算重要？","dataId":"","confirm":false,"sessionId":"S1001","expected":"决策树"}
{"prompt":"是不是可以一步步按条件来筛，比如先看产量，再看品质、服务？","dataId":"","confirm":false,"sessionId":"S1001","expected":"决策树"}
{"prompt":"能不能把这种判断过程整理成一套清楚的规则，让系统自己照着规则给供应商分类？","dataId":"","confirm":false,"sessionId":"S1001","expected":"决策树"}
{"prompt":"看这些信息，能不能大概判断一个员工会不会离职？","dataId":"","confirm":false,"sessionId":"S1001","expected":"随机森林"}
{"prompt":"单看某一个条件有时不准，是不是要把很多条件一起看才靠谱？","dataId":"","confirm":false,"sessionId":"S1001","expected":"随机森林"}
{"prompt":"如果判断离职要考虑很多因素、而且关系又挺复杂，有没有一种办法多从不同角度一起判断，结果会更稳一些？","dataId":"","confirm":false,"sessionId":"S1001","expected":"随机森林"}
{"prompt":"看这些指标，能不能大概分出哪些企业信用好、哪些一般？","dataId":"","confirm":false,"sessionId":"S1001","expected":"自适应增强算法"}
{"prompt":"有些企业看起来条件差不多，但结果却不一样，这是为什么？","dataId":"","confirm":false,"sessionId":"S1001","expected":"自适应增强算法"}
{"prompt":"如果有些企业特别难判断，能不能让系统多关注这些“容易分错”的情况，把分类做得更准一点？","dataId":"","confirm":false,"sessionId":"S1001","expected":"自适应增强算法"}
{"prompt":"看这些指标，能不能大概分出哪些企业是正常的，哪些是有风险的？","dataId":"","confirm":false,"sessionId":"S1001","expected":"判别分析"}
{"prompt":"这些企业的数据，好像正常的和有风险的在数值上有点区别，是不是能找出一个大致的分界线？","dataId":"","confirm":false,"sessionId":"S1001","expected":"判别分析"}
{"prompt":"能不能根据这些指标，总结出一套“长得像这样的大多是正常、像那样的大多是风险”的判断方法，让系统自动来分？","dataId":"","confirm":false,"sessionId":"S1001","expected":"判别分析"}
{"prompt":"能不能根据年龄、性别和收入，大概判断一个人会不会想买这个产品？","dataId":"","confirm":false,"sessionId":"S1001","expected":"二分类逻辑回归"}
{"prompt":"这些条件变化时，购买的可能性是变大还是变小？","dataId":"","confirm":false,"sessionId":"S1001","expected":"二分类逻辑回归"}
{"prompt":"能不能不只告诉我“会不会买”，还能告诉我“有多大概率会买”？","dataId":"","confirm":false,"sessionId":"S1001","expected":"二分类逻辑回归"}
{"prompt":"工作时间多一点，销售额是不是一般也会高一点？","dataId":"","confirm":false,"sessionId":"S1001","expected":"皮尔逊相关分析"}
{"prompt":"工作时间、销售额和客户满意度之间，是不是有一起变化的情况？","dataId":"","confirm":false,"sessionId":"S1001","expected":"皮尔逊相关分析"}
{"prompt":"能不能用一个数字，来表示这几个指标之间“关系有多紧密”？","dataId":"","confirm":false,"sessionId":"S1001","expected":"皮尔逊相关分析"}
{"prompt":"身高高一点的学生，体重是不是一般也更大？","dataId":"","confirm":false,"sessionId":"S1001","expected":"斯皮尔曼相关分析"}
{"prompt":"把学生按身高、体重、肺活量从小到大排个顺序，这些顺序会不会差不多？","dataId":"","confirm":false,"sessionId":"S1001","expected":"斯皮尔曼相关分析"}
{"prompt":"就算有个别学生数据特别高或特别低，能不能还能判断这些指标之间是不是大致一起升或一起降？","dataId":"","confirm":false,"sessionId":"S1001","expected":"斯皮尔曼相关分析"}
{"prompt":"方式A和方式B，哪种卖得更多？","dataId":"","confirm":false,"sessionId":"S1001","expected":"独立样本t检验"}
{"prompt":"两种方式的平均销售额，是不是差得挺明显？","dataId":"","confirm":false,"sessionId":"S1001","expected":"独立样本t检验"}
{"prompt":"这种差别是真的存在，还是只是样本刚好不一样造成的？","dataId":"","confirm":false,"sessionId":"S1001","expected":"独立样本t检验"}
{"prompt":"这些胆固醇数据，看起来是不是大多集中在一个范围里？","dataId":"","confirm":false,"sessionId":"S1001","expected":"正态检验"}
{"prompt":"这些数值是“中间多、两头少”的那种分布吗？","dataId":"","confirm":false,"sessionId":"S1001","expected":"正态检验"}
{"prompt":"能不能判断这些数据是不是符合常见的那种“钟形分布”，而不是乱七八糟的形状？","dataId":"","confirm":false,"sessionId":"S1001","expected":"正态检验"}
{"prompt":"这些顾客，大概能分成几类消费水平不一样的人？","dataId":"","confirm":false,"sessionId":"S1001","expected":"K-均值聚类"}
{"prompt":"消费金额和购买次数差不多的顾客，是不是可以归到一组？","dataId":"","confirm":false,"sessionId":"S1001","expected":"K-均值聚类"}
{"prompt":"能不能自动把顾客按“花钱多少、买得多不多”分成几群，方便我区别对待？","dataId":"","confirm":false,"sessionId":"S1001","expected":"K-均值聚类"}
{"prompt":"这些用户里，活跃程度差不多的人能不能分成几组？","dataId":"","confirm":false,"sessionId":"S1001","expected":"层次聚类"}
{"prompt":"发帖、评论、点赞、粉丝都差不多的用户，是不是可以归为一类？","dataId":"","confirm":false,"sessionId":"S1001","expected":"层次聚类"}
{"prompt":"能不能一步步把用户按“越来越像”的程度分组，让我看到他们是怎么慢慢分成几类的？","dataId":"","confirm":false,"sessionId":"S1001","expected":"层次聚类"}
{"prompt":"这么多经济指标，看起来都挺相关的，是不是有点重复？","dataId":"","confirm":false,"sessionId":"S1001","expected":"因子分析"}
{"prompt":"能不能把这些指标归成几类，比如“工业类”“消费类”“投资类”这种？","dataId":"","confirm":false,"sessionId":"S1001","expected":"因子分析"}
{"prompt":"能不能用少数几个“综合指标”，来代替这一大堆原始数据，还能大致反映地区的经济情况？","dataId":"","confirm":false,"sessionId":"S1001","expected":"因子分析"}
{"prompt":"有没有一两个指标，就已经能大概看出整体水平高不高？","dataId":"","confirm":false,"sessionId":"S1001","expected":"主成分分析"}
{"prompt":"能不能把这些指标按“差不多的放一类”分成几组？","dataId":"","confirm":false,"sessionId":"S1001","expected":"主成分分析"}
{"prompt":"能不能用更少的几个“综合指标”，来代表现在这一大堆数据，方便比较和分析？","dataId":"","confirm":false,"sessionId":"S1001","expected":"主成分分析"}
{"prompt":"这些煤矿里，哪个整体情况最好、哪个最差？","dataId":"","confirm":false,"sessionId":"S1001","expected":"优劣解距离法"}
{"prompt":"同时看粉尘、二氧化硫和患病率，怎么综合判断一个煤矿的好坏？","dataId":"","confirm":false,"sessionId":"S1001","expected":"优劣解距离法"}
{"prompt":"能不能按“离最好情况有多远、离最差情况有多远”，给每个煤矿排个名？","dataId":"","confirm":false,"sessionId":"S1001","expected":"优劣解距离法"}
{"prompt":"这些行业里，整体表现最好的是哪个？","dataId":"","confirm":false,"sessionId":"S1001","expected":"秩和比评价法"}
{"prompt":"如果把每个指标都排个名，再综合起来，会不会更好比较？","dataId":"","confirm":false,"sessionId":"S1001","expected":"秩和比评价法"}
{"prompt":"能不能先把各个指标变成“名次”，再用这些名次来给行业做一个总体排序？","dataId":"","confirm":false,"sessionId":"S1001","expected":"秩和比评价法"}
{"prompt":"这些能力里，哪几项看起来评价最好？","dataId":"","confirm":false,"sessionId":"S1001","expected":"模糊综合评价"}
{"prompt":"有些评价不是非好即坏，这种“介于中间”的情况怎么一起算？","dataId":"","confirm":false,"sessionId":"S1001","expected":"模糊综合评价"}
{"prompt":"能不能把“非常好、好、一般、比较不好、非常不好”这种模糊评价，综合成一个总体结果来排序？","dataId":"","confirm":false,"sessionId":"S1001","expected":"模糊综合评价"}
{"prompt":"这些地区里，哪几个看起来投入多、产出也多？","dataId":"","confirm":false,"sessionId":"S1001","expected":"数据包络分析（CCR）"}
{"prompt":"有的地区投入差不多，但成果差很多，这是为什么？","dataId":"","confirm":false,"sessionId":"S1001","expected":"数据包络分析（CCR）"}
{"prompt":"能不能在“投入”和“产出”一起考虑的情况下，判断哪些地区用同样的资源干得最有效率？","dataId":"","confirm":false,"sessionId":"S1001","expected":"数据包络分析（CCR）"}
{"prompt":"这些地区里，哪些看起来用资源用得最划算？","dataId":"","confirm":false,"sessionId":"S1001","expected":"数据包络分析（BCC）"}
{"prompt":"有的地方投入不算多，但成果不错，是不是方法更高效？","dataId":"","confirm":false,"sessionId":"S1001","expected":"数据包络分析（BCC）"}
{"prompt":"在考虑不同地区规模不一样的情况下，能不能分别看“做事本身的效率”和“规模带来的影响”？","dataId":"","confirm":false,"sessionId":"S1001","expected":"数据包络分析（BCC）"}
{"prompt":"多投点钱或多用点人，产量是不是一般就会多一些？","dataId":"","confirm":false,"sessionId":"S1001","expected":""}
{"prompt":"是多加资本更有用，还是多加劳动力更有用？","dataId":"","confirm":false,"sessionId":"S1001","expected":""}
{"prompt":"能不能用一个简单的公式，来说明“资本和劳动力一起是怎么影响产量的”？","dataId":"","confirm":false,"sessionId":"S1001","expected":""}
{"prompt":"促销支出和销售量之间是不是存在线性关系？","dataId":"63fb5d9aa83a44c9a9cd24b88cb16e38","confirm":false,"sessionId":"S1001","expected":"最小二乘回归"}
{"prompt":"哪些地区的实际销售量和模型预测差距最大？","dataId":"63fb5d9aa83a44c9a9cd24b88cb16e38","confirm":false,"sessionId":"S1001","expected":"最小二乘回归"}
{"prompt":"这个模型是否适合长期指导促销预算分配，还是只适合当前样本？","dataId":"63fb5d9aa83a44c9a9cd24b88cb16e38","confirm":false,"sessionId":"S1001","expected":"最小二乘回归"}
{"prompt":"这几个指标里，哪个和 GDP 增速关系最明显？","dataId":"e008a17b299449619e2ad46d3aa2ff90","confirm":false,"sessionId":"S1001","expected":"岭回归"}
{"prompt":"固定资产投资增速和基础设施投资增速的变化是不是经常很相似？","dataId":"e008a17b299449619e2ad46d3aa2ff90","confirm":false,"sessionId":"S1001","expected":"岭回归"}
{"prompt":"当固定资产投资和基础设施投资在大多数样本里都高度同步时，用它们同时预测 GDP，会不会影响结果的稳定性？","dataId":"e008a17b299449619e2ad46d3aa2ff90","confirm":false,"sessionId":"S1001","expected":"岭回归"}
{"prompt":"这几个指标里，哪些对 GDP 增速影响最明显？","dataId":"ceba1080512843099a3789416c4faa43","confirm":false,"sessionId":"S1001","expected":"套索回归"}
{"prompt":"如果只保留对 GDP 真正有用的指标，哪些可以不要？","dataId":"ceba1080512843099a3789416c4faa43","confirm":false,"sessionId":"S1001","expected":"套索回归"}
{"prompt":"在多个指标一起影响 GDP 的情况下，能不能自动挑出最关键的指标，其它影响很小的就忽略掉？","dataId":"ceba1080512843099a3789416c4faa43","confirm":false,"sessionId":"S1001","expected":"套索回归"}
{"prompt":"职位级别越高，薪资是不是涨得越来越快？","dataId":"1d9f7303dc114c4e9a9e66590d195e14","confirm":false,"sessionId":"S1001","expected":"多项式回归"}
{"prompt":"职位从低级到高级，薪资增长是不是不是匀速的，而是后面涨得更猛？","dataId":"1d9f7303dc114c4e9a9e66590d195e14","confirm":false,"sessionId":"S1001","expected":"多项式回归"}
{"prompt":"如果薪资和级别之间是“越往后涨得越快”的弯曲关系，用简单直线会不会不准，需要用能拟合弯曲关系的方法？","dataId":"1d9f7303dc114c4e9a9e66590d195e14","confirm":false,"sessionId":"S1001","expected":"多项式回归"}
{"prompt":"这些指标和 GDP 同比之间的关系，看起来是不是不太像一条直线？","dataId":"302384d26df64221bb3578ae1cbd4d42","confirm":false,"sessionId":"S1001","expected":"支持向量机回归"}
{"prompt":"在样本不多、波动又很大的情况下，用简单方法预测 GDP 会不会不准？","dataId":"302384d26df64221bb3578ae1cbd4d42","confirm":false,"sessionId":"S1001","expected":"支持向量机回归"}
{"prompt":"如果数据量不大、关系又比较复杂，有没有一种方法在小样本下也能学到这种“弯弯曲曲”的关系来做预测？","dataId":"302384d26df64221bb3578ae1cbd4d42","confirm":false,"sessionId":"S1001","expected":"支持向量机回归"}
{"prompt":"人力成本和原材料成本变化，对收益增长率影响明显吗？中等问题：","dataId":"9e3f7535b8394c4fb10944d89f073f82","confirm":false,"sessionId":"S1001","expected":"BP神经网络"}
{"prompt":"当人力成本、原材料成本一点点变化时，收益的变化是不是有时候不太规律、很难用直线说明？","dataId":"9e3f7535b8394c4fb10944d89f073f82","confirm":false,"sessionId":"S1001","expected":"BP神经网络"}
{"prompt":"如果收益和成本之间的关系很复杂、变化不规则，用简单公式说不清，那有没有办法直接从数据里学出这种复杂关系来做预测？","dataId":"9e3f7535b8394c4fb10944d89f073f82","confirm":false,"sessionId":"S1001","expected":"BP神经网络"}
{"prompt":"这些信息里，哪些最容易看出一个人会不会违约？","dataId":"d0298c4faa5e43f6bb6a09e38af0e78f","confirm":false,"sessionId":"S1001","expected":"梯度提升树"}
{"prompt":"有的人单看某一项数据好像没问题，但放在一起看却变成高风险，这是怎么回事？","dataId":"d0298c4faa5e43f6bb6a09e38af0e78f","confirm":false,"sessionId":"S1001","expected":"梯度提升树"}
{"prompt":"如果判断违约要同时看很多条件、而且关系还挺复杂，有没有一种办法能把这些情况组合起来，尽量判断得更准？","dataId":"d0298c4faa5e43f6bb6a09e38af0e78f","confirm":false,"sessionId":"S1001","expected":"梯度提升树"}
{"prompt":"每个月的销售额大概是往上走的，下一月大概会是多少？","dataId":"171f7b0d72574fdba0d0d7a1add63864","confirm":false,"sessionId":"S1001","expected":"移动平均法"}
{"prompt":"有时候某个月突然高一点或低一点，这种波动能不能“平滑”一下再看趋势？","dataId":"171f7b0d72574fdba0d0d7a1add63864","confirm":false,"sessionId":"S1001","expected":"移动平均法"}
{"prompt":"如果我更关心整体走势而不是某个月的突然变化，有没有办法把这些起伏压一压，再用来预测下个月的销售额？","dataId":"171f7b0d72574fdba0d0d7a1add63864","confirm":false,"sessionId":"S1001","expected":"移动平均法"}
{"prompt":"最近几年的销售量，对预测下一年的影响是不是更大？","dataId":"18fd3f6774414cee9e9f518438bae101","confirm":false,"sessionId":"S1001","expected":"指数平滑法"}
{"prompt":"早些年的数据和最近的数据，预测时是不是应该更看重新的？","dataId":"18fd3f6774414cee9e9f518438bae101","confirm":false,"sessionId":"S1001","expected":"指数平滑法"}
{"prompt":"如果我主要想做短期预测，能不能让模型更“偏向”最近的数据来判断未来的销售量？","dataId":"18fd3f6774414cee9e9f518438bae101","confirm":false,"sessionId":"S1001","expected":"指数平滑法"}
{"prompt":"这个月的销售量，会不会主要受前几个月的影响？","dataId":"bd3070fddbfb459cbef81c8ea8058088","confirm":false,"sessionId":"S1001","expected":"自回归模型（AR）"}
{"prompt":"如果前几个月卖得多，这个月一般也会偏多吗？","dataId":"bd3070fddbfb459cbef81c8ea8058088","confirm":false,"sessionId":"S1001","expected":"自回归模型（AR）"}
{"prompt":"能不能只靠过去几个月的销售量，来推算下一个月大概能卖多少？","dataId":"bd3070fddbfb459cbef81c8ea8058088","confirm":false,"sessionId":"S1001","expected":"自回归模型（AR）"}
{"prompt":"有些月份产能利用率突然高一点或低一点，是不是偶然情况造成的？","dataId":"36209c2b24f14d56af77bcdd1ebaeb89","confirm":false,"sessionId":"S1001","expected":"滑动平均模型（MA）"}
{"prompt":"这些突然的波动，会不会影响后面几个月的产能利用率？","dataId":"36209c2b24f14d56af77bcdd1ebaeb89","confirm":false,"sessionId":"S1001","expected":"滑动平均模型（MA）"}
{"prompt":"如果主要是一些“随机起伏”在影响数据，能不能专门把这些波动考虑进去，用来做短期预测？","dataId":"36209c2b24f14d56af77bcdd1ebaeb89","confirm":false,"sessionId":"S1001","expected":"滑动平均模型（MA）"}
{"prompt":"这个月的产量，会不会主要受前几个月产量的影响？","dataId":"6eccd08fb1db4b42a61970affcf7af5c","confirm":false,"sessionId":"S1001","expected":"自回归滑动平均模型"}
{"prompt":"有时候产量突然高一点或低一点，这种波动会不会影响后面的走势？","dataId":"6eccd08fb1db4b42a61970affcf7af5c","confirm":false,"sessionId":"S1001","expected":"自回归滑动平均模型"}
{"prompt":"如果既有“跟着过去走的规律”，又有一些偶然波动，能不能同时把这两种情况一起考虑来预测下个月的产量？","dataId":"6eccd08fb1db4b42a61970affcf7af5c","confirm":false,"sessionId":"S1001","expected":"自回归滑动平均模型"}
{"prompt":"销售额一直在往上走，是不是每个月都在增长？","dataId":"04747a6858f342e5a923bc9119d2dbdd","confirm":false,"sessionId":"S1001","expected":"差分自回归移动平均模型"}
{"prompt":"如果一直这样上涨，用原来的数据直接预测，会不会不太准？","dataId":"04747a6858f342e5a923bc9119d2dbdd","confirm":false,"sessionId":"S1001","expected":"差分自回归移动平均模型"}
{"prompt":"要是数据本身一直在变、不是稳定水平，能不能先把“变化幅度”拿出来，再用它来预测后面的销售额？","dataId":"04747a6858f342e5a923bc9119d2dbdd","confirm":false,"sessionId":"S1001","expected":"差分自回归移动平均模型"}
{"prompt":"只有这么几年数据，也能大概看出以后会怎么涨吗？","dataId":"266edef9409e4e0fb9202ca757182409","confirm":false,"sessionId":"S1001","expected":"灰色模型"}
{"prompt":"数据不多、还有点波动，用常见方法会不会不太准？","dataId":"266edef9409e4e0fb9202ca757182409","confirm":false,"sessionId":"S1001","expected":"灰色模型"}
{"prompt":"要是数据本身一直在变、不是稳定水平，能不能先把“变化幅度”拿出来，再用它来预测后面的销售额？","dataId":"266edef9409e4e0fb9202ca757182409","confirm":false,"sessionId":"S1001","expected":"灰色模型"}
{"prompt":"看这些条件，大概能不能直接判断一个供应商算不算重要？","dataId":"96b3d7e992434a23b2d0512a7c8597ce","confirm":false,"sessionId":"S1001","expected":"决策树"}
{"prompt":"是不是可以一步步按条件来筛，比如先看产量，再看品质、服务？","dataId":"96b3d7e992434a23b2d0512a7c8597ce","confirm":false,"sessionId":"S1001","expected":"决策树"}
{"prompt":"能不能把这种判断过程整理成一套清楚的规则，让系统自己照着规则给供应商分类？","dataId":"96b3d7e992434a23b2d0512a7c8597ce","confirm":false,"sessionId":"S1001","expected":"决策树"}
{"prompt":"看这些信息，能不能大概判断一个员工会不会离职？","dataId":"3b626373682f4202b75e0336a94d2b63","confirm":false,"sessionId":"S1001","expected":"随机森林"}
{"prompt":"单看某一个条件有时不准，是不是要把很多条件一起看才靠谱？","dataId":"3b626373682f4202b75e0336a94d2b63","confirm":false,"sessionId":"S1001","expected":"随机森林"}
{"prompt":"如果判断离职要考虑很多因素、而且关系又挺复杂，有没有一种办法多从不同角度一起判断，结果会更稳一些？","dataId":"3b626373682f4202b75e0336a94d2b63","confirm":false,"sessionId":"S1001","expected":"随机森林"}
{"prompt":"看这些指标，能不能大概分出哪些企业信用好、哪些一般？","dataId":"b3c8edd6ec384b6b919631ebebb3bcda","confirm":false,"sessionId":"S1001","expected":"自适应增强算法"}
{"prompt":"有些企业看起来条件差不多，但结果却不一样，这是为什么？","dataId":"b3c8edd6ec384b6b919631ebebb3bcda","confirm":false,"sessionId":"S1001","expected":"自适应增强算法"}
{"prompt":"如果有些企业特别难判断，能不能让系统多关注这些“容易分错”的情况，把分类做得更准一点？","dataId":"b3c8edd6ec384b6b919631ebebb3bcda","confirm":false,"sessionId":"S1001","expected":"自适应增强算法"}
{"prompt":"看这些指标，能不能大概分出哪些企业是正常的，哪些是有风险的？","dataId":"9ca02914c96b419bb29309ce4f6f46ad","confirm":false,"sessionId":"S1001","expected":"判别分析"}
{"prompt":"这些企业的数据，好像正常的和有风险的在数值上有点区别，是不是能找出一个大致的分界线？","dataId":"9ca02914c96b419bb29309ce4f6f46ad","confirm":false,"sessionId":"S1001","expected":"判别分析"}
{"prompt":"能不能根据这些指标，总结出一套“长得像这样的大多是正常、像那样的大多是风险”的判断方法，让系统自动来分？","dataId":"9ca02914c96b419bb29309ce4f6f46ad","confirm":false,"sessionId":"S1001","expected":"判别分析"}
{"prompt":"能不能根据年龄、性别和收入，大概判断一个人会不会想买这个产品？","dataId":"c9942e03680a4aed99e6fabe92559ab3","confirm":false,"sessionId":"S1001","expected":"二分类逻辑回归"}
{"prompt":"这些条件变化时，购买的可能性是变大还是变小？","dataId":"c9942e03680a4aed99e6fabe92559ab3","confirm":false,"sessionId":"S1001","expected":"二分类逻辑回归"}
{"prompt":"能不能不只告诉我“会不会买”，还能告诉我“有多大概率会买”？","dataId":"c9942e03680a4aed99e6fabe92559ab3","confirm":false,"sessionId":"S1001","expected":"二分类逻辑回归"}
{"prompt":"工作时间多一点，销售额是不是一般也会高一点？","dataId":"25d1147c9a5f47558e01c5ffd9410b61","confirm":false,"sessionId":"S1001","expected":"皮尔逊相关分析"}
{"prompt":"工作时间、销售额和客户满意度之间，是不是有一起变化的情况？","dataId":"25d1147c9a5f47558e01c5ffd9410b61","confirm":false,"sessionId":"S1001","expected":"皮尔逊相关分析"}
{"prompt":"能不能用一个数字，来表示这几个指标之间“关系有多紧密”？","dataId":"25d1147c9a5f47558e01c5ffd9410b61","confirm":false,"sessionId":"S1001","expected":"皮尔逊相关分析"}
{"prompt":"身高高一点的学生，体重是不是一般也更大？","dataId":"6832989763d04223a47c90427e7fc558","confirm":false,"sessionId":"S1001","expected":"斯皮尔曼相关分析"}
{"prompt":"把学生按身高、体重、肺活量从小到大排个顺序，这些顺序会不会差不多？","dataId":"6832989763d04223a47c90427e7fc558","confirm":false,"sessionId":"S1001","expected":"斯皮尔曼相关分析"}
{"prompt":"就算有个别学生数据特别高或特别低，能不能还能判断这些指标之间是不是大致一起升或一起降？","dataId":"6832989763d04223a47c90427e7fc558","confirm":false,"sessionId":"S1001","expected":"斯皮尔曼相关分析"}
{"prompt":"方式A和方式B，哪种卖得更多？","dataId":"cd495395a50342428df455b12172e5a9","confirm":false,"sessionId":"S1001","expected":"独立样本t检验"}
{"prompt":"两种方式的平均销售额，是不是差得挺明显？","dataId":"cd495395a50342428df455b12172e5a9","confirm":false,"sessionId":"S1001","expected":"独立样本t检验"}
{"prompt":"这种差别是真的存在，还是只是样本刚好不一样造成的？","dataId":"cd495395a50342428df455b12172e5a9","confirm":false,"sessionId":"S1001","expected":"独立样本t检验"}
{"prompt":"这些胆固醇数据，看起来是不是大多集中在一个范围里？","dataId":"8f87209d5cb441b987da79f458740fca","confirm":false,"sessionId":"S1001","expected":"正态检验"}
{"prompt":"这些数值是“中间多、两头少”的那种分布吗？","dataId":"8f87209d5cb441b987da79f458740fca","confirm":false,"sessionId":"S1001","expected":"正态检验"}
{"prompt":"能不能判断这些数据是不是符合常见的那种“钟形分布”，而不是乱七八糟的形状？","dataId":"8f87209d5cb441b987da79f458740fca","confirm":false,"sessionId":"S1001","expected":"正态检验"}
{"prompt":"这些顾客，大概能分成几类消费水平不一样的人？","dataId":"9508320ba7b04a52b537f3ae66c4fae3","confirm":false,"sessionId":"S1001","expected":"K-均值聚类"}
{"prompt":"消费金额和购买次数差不多的顾客，是不是可以归到一组？","dataId":"9508320ba7b04a52b537f3ae66c4fae3","confirm":false,"sessionId":"S1001","expected":"K-均值聚类"}
{"prompt":"能不能自动把顾客按“花钱多少、买得多不多”分成几群，方便我区别对待？","dataId":"9508320ba7b04a52b537f3ae66c4fae3","confirm":false,"sessionId":"S1001","expected":"K-均值聚类"}
{"prompt":"这些用户里，活跃程度差不多的人能不能分成几组？","dataId":"be4125aa03dc41129be729f4b34f48e8","confirm":false,"sessionId":"S1001","expected":"层次聚类"}
{"prompt":"发帖、评论、点赞、粉丝都差不多的用户，是不是可以归为一类？","dataId":"be4125aa03dc41129be729f4b34f48e8","confirm":false,"sessionId":"S1001","expected":"层次聚类"}
{"prompt":"能不能一步步把用户按“越来越像”的程度分组，让我看到他们是怎么慢慢分成几类的？","dataId":"be4125aa03dc41129be729f4b34f48e8","confirm":false,"sessionId":"S1001","expected":"层次聚类"}
{"prompt":"这么多经济指标，看起来都挺相关的，是不是有点重复？","dataId":"f02d711ab3bf4b53aba41ccf1bfe5b34","confirm":false,"sessionId":"S1001","expected":"因子分析"}
{"prompt":"能不能把这些指标归成几类，比如“工业类”“消费类”“投资类”这种？","dataId":"f02d711ab3bf4b53aba41ccf1bfe5b34","confirm":false,"sessionId":"S1001","expected":"因子分析"}
{"prompt":"能不能用少数几个“综合指标”，来代替这一大堆原始数据，还能大致反映地区的经济情况？","dataId":"f02d711ab3bf4b53aba41ccf1bfe5b34","confirm":false,"sessionId":"S1001","expected":"因子分析"}
{"prompt":"有没有一两个指标，就已经能大概看出整体水平高不高？","dataId":"ee17be3fbdbb4677bcdcdbd264cc5bc4","confirm":false,"sessionId":"S1001","expected":"主成分分析"}
{"prompt":"能不能把这些指标按“差不多的放一类”分成几组？","dataId":"ee17be3fbdbb4677bcdcdbd264cc5bc4","confirm":false,"sessionId":"S1001","expected":"主成分分析"}
{"prompt":"能不能用更少的几个“综合指标”，来代表现在这一大堆数据，方便比较和分析？","dataId":"ee17be3fbdbb4677bcdcdbd264cc5bc4","confirm":false,"sessionId":"S1001","expected":"主成分分析"}
{"prompt":"这些煤矿里，哪个整体情况最好、哪个最差？","dataId":"ea346e7cc14e4fad8c7ada527e58c1b9","confirm":false,"sessionId":"S1001","expected":"优劣解距离法"}
{"prompt":"同时看粉尘、二氧化硫和患病率，怎么综合判断一个煤矿的好坏？","dataId":"ea346e7cc14e4fad8c7ada527e58c1b9","confirm":false,"sessionId":"S1001","expected":"优劣解距离法"}
{"prompt":"能不能按“离最好情况有多远、离最差情况有多远”，给每个煤矿排个名？","dataId":"ea346e7cc14e4fad8c7ada527e58c1b9","confirm":false,"sessionId":"S1001","expected":"优劣解距离法"}
{"prompt":"这些行业里，整体表现最好的是哪个？","dataId":"53c62816550c4a5dbb928438e2ad22d5","confirm":false,"sessionId":"S1001","expected":"秩和比评价法"}
{"prompt":"如果把每个指标都排个名，再综合起来，会不会更好比较？","dataId":"53c62816550c4a5dbb928438e2ad22d5","confirm":false,"sessionId":"S1001","expected":"秩和比评价法"}
{"prompt":"能不能先把各个指标变成“名次”，再用这些名次来给行业做一个总体排序？","dataId":"53c62816550c4a5dbb928438e2ad22d5","confirm":false,"sessionId":"S1001","expected":"秩和比评价法"}
{"prompt":"这些能力里，哪几项看起来评价最好？","dataId":"aee4340b8d0b413ba4b658949c1238f9","confirm":false,"sessionId":"S1001","expected":"模糊综合评价"}
{"prompt":"有些评价不是非好即坏，这种“介于中间”的情况怎么一起算？","dataId":"aee4340b8d0b413ba4b658949c1238f9","confirm":false,"sessionId":"S1001","expected":"模糊综合评价"}
{"prompt":"能不能把“非常好、好、一般、比较不好、非常不好”这种模糊评价，综合成一个总体结果来排序？","dataId":"aee4340b8d0b413ba4b658949c1238f9","confirm":false,"sessionId":"S1001","expected":"模糊综合评价"}
{"prompt":"这些地区里，哪几个看起来投入多、产出也多？","dataId":"223543234fac4f1186d39f63a21e79a7","confirm":false,"sessionId":"S1001","expected":"数据包络分析（CCR）"}
{"prompt":"有的地区投入差不多，但成果差很多，这是为什么？","dataId":"223543234fac4f1186d39f63a21e79a7","confirm":false,"sessionId":"S1001","expected":"数据包络分析（CCR）"}
{"prompt":"能不能在“投入”和“产出”一起考虑的情况下，判断哪些地区用同样的资源干得最有效率？","dataId":"223543234fac4f1186d39f63a21e79a7","confirm":false,"sessionId":"S1001","expected":"数据包络分析（CCR）"}
{"prompt":"这些地区里，哪些看起来用资源用得最划算？","dataId":"b03cea19663e47368e556cc960fdc2ad","confirm":false,"sessionId":"S1001","expected":"数据包络分析（BCC）"}
{"prompt":"有的地方投入不算多，但成果不错，是不是方法更高效？","dataId":"b03cea19663e47368e556cc960fdc2ad","confirm":false,"sessionId":"S1001","expected":"数据包络分析（BCC）"}
{"prompt":"在考虑不同地区规模不一样的情况下，能不能分别看“做事本身的效率”和“规模带来的影响”？","dataId":"b03cea19663e47368e556cc960fdc2ad","confirm":false,"sessionId":"S1001","expected":"数据包络分析（BCC）"}
{"prompt":"多投点钱或多用点人，产量是不是一般就会多一些？","dataId":"5abf3caa3e924891a43cd8150929fe7b","confirm":false,"sessionId":"S1001","expected":"柯布-道格拉斯生产函数"}
{"prompt":"是多加资本更有用，还是多加劳动力更有用？","dataId":"5abf3caa3e924891a43cd8150929fe7b","confirm":false,"sessionId":"S1001","expected":"柯布-道格拉斯生产函数"}
{"prompt":"能不能用一个简单的公式，来说明“资本和劳动力一起是怎么影响产量的”？","dataId":"5abf3caa3e924891a43cd8150929fe7b","confirm":false,"sessionId":"S1001","expected":"柯布-道格拉斯生产函数"}
Markdown is supported
0% or
You are about to add 0 people to the discussion. Proceed with caution.
Finish editing this message first!
Please register or to comment