Commit 12c57c62 authored by wangning's avatar wangning

fix 智能体知识库 提示词

parent bbed8548
...@@ -4,17 +4,13 @@ ...@@ -4,17 +4,13 @@
<option name="autoReloadType" value="SELECTIVE" /> <option name="autoReloadType" value="SELECTIVE" />
</component> </component>
<component name="ChangeListManager"> <component name="ChangeListManager">
<list default="true" id="26f8285c-12a3-40dc-b957-23c37b8f3c67" name="Changes" comment="fix 智能体知识库 问题"> <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/promptwords/algosuggest/algo_suggest.txt" afterDir="false" /> <change afterPath="$PROJECT_DIR$/src/main/resources/testcases/algo_suggest_request/suggest_algorithm_260121.jsonl" afterDir="false" />
<change afterPath="$PROJECT_DIR$/src/main/resources/testcases/algo_knowledge/algo_knowledge5.jsonl" afterDir="false" />
<change beforePath="$PROJECT_DIR$/.idea/workspace.xml" beforeDir="false" afterPath="$PROJECT_DIR$/.idea/workspace.xml" 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/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/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/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/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/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/testcases/algo_suggest_request/suggest_algorithm1.jsonl" beforeDir="false" />
</list> </list>
<option name="SHOW_DIALOG" value="false" /> <option name="SHOW_DIALOG" value="false" />
<option name="HIGHLIGHT_CONFLICTS" value="true" /> <option name="HIGHLIGHT_CONFLICTS" value="true" />
...@@ -32,24 +28,24 @@ ...@@ -32,24 +28,24 @@
<option name="hideEmptyMiddlePackages" value="true" /> <option name="hideEmptyMiddlePackages" value="true" />
<option name="showLibraryContents" value="true" /> <option name="showLibraryContents" value="true" />
</component> </component>
<component name="PropertiesComponent"><![CDATA[{ <component name="PropertiesComponent">{
"keyToString": { &quot;keyToString&quot;: {
"Maven.ciecc-agent [clean].executor": "Run", &quot;Maven.ciecc-agent [clean].executor&quot;: &quot;Run&quot;,
"Maven.ciecc-agent [compile].executor": "Run", &quot;Maven.ciecc-agent [compile].executor&quot;: &quot;Run&quot;,
"ModuleVcsDetector.initialDetectionPerformed": "true", &quot;ModuleVcsDetector.initialDetectionPerformed&quot;: &quot;true&quot;,
"RunOnceActivity.ShowReadmeOnStart": "true", &quot;RunOnceActivity.ShowReadmeOnStart&quot;: &quot;true&quot;,
"RunOnceActivity.TerminalTabsStorage.copyFrom.TerminalArrangementManager.252": "true", &quot;RunOnceActivity.TerminalTabsStorage.copyFrom.TerminalArrangementManager.252&quot;: &quot;true&quot;,
"RunOnceActivity.git.unshallow": "true", &quot;RunOnceActivity.git.unshallow&quot;: &quot;true&quot;,
"Spring Boot.Application.executor": "Debug", &quot;Spring Boot.Application.executor&quot;: &quot;Debug&quot;,
"git-widget-placeholder": "master", &quot;git-widget-placeholder&quot;: &quot;master&quot;,
"kotlin-language-version-configured": "true", &quot;kotlin-language-version-configured&quot;: &quot;true&quot;,
"last_opened_file_path": "D:/projects/ciecc-agent/src/main/resources/testcases/algo_knowledge", &quot;last_opened_file_path&quot;: &quot;D:/projects/ciecc-agent/src/main/resources/testcases/algo_knowledge&quot;,
"project.structure.last.edited": "Project", &quot;project.structure.last.edited&quot;: &quot;Project&quot;,
"project.structure.proportion": "0.15", &quot;project.structure.proportion&quot;: &quot;0.15&quot;,
"project.structure.side.proportion": "0.21954022", &quot;project.structure.side.proportion&quot;: &quot;0.21954022&quot;,
"settings.editor.selected.configurable": "MavenSettings" &quot;settings.editor.selected.configurable&quot;: &quot;MavenSettings&quot;
} }
}]]></component> }</component>
<component name="RecentsManager"> <component name="RecentsManager">
<key name="CopyFile.RECENT_KEYS"> <key name="CopyFile.RECENT_KEYS">
<recent name="D:\projects\ciecc-agent\src\main\resources\testcases\algo_knowledge" /> <recent name="D:\projects\ciecc-agent\src\main\resources\testcases\algo_knowledge" />
...@@ -118,13 +114,22 @@ ...@@ -118,13 +114,22 @@
<option name="project" value="LOCAL" /> <option name="project" value="LOCAL" />
<updated>1768978168054</updated> <updated>1768978168054</updated>
</task> </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 /> <servers />
</component> </component>
<component name="VcsManagerConfiguration"> <component name="VcsManagerConfiguration">
<MESSAGE value="fix" /> <MESSAGE value="fix" />
<MESSAGE value="fix 智能体知识库 问题" /> <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>
<component name="XDebuggerManager"> <component name="XDebuggerManager">
<watches-manager> <watches-manager>
......
...@@ -5,11 +5,11 @@ ...@@ -5,11 +5,11 @@
2. 你的任务 2. 你的任务
根据用户的自然语言需求: 根据用户的自然语言需求:
* 从固定算法库中筛选算法 * 从固定算法库中筛选算法
* 推荐最多 10 个最合适的算法 * 推荐最多10个最合适的算法
* 只能用 JSON 输出结果 * 只能用JSON输出结果
二、绝对规则(强约束,必须严格遵守) 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 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 3. 不在算法库中的算法必须直接删除
4. 按 name 全局去重 4. 按 name 全局去重
...@@ -30,28 +30,34 @@ ...@@ -30,28 +30,34 @@
需抽取并判断以下六类标签: 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) 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 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) 2. 数据类型(data)
取值:时间序列 / 非时间序列 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) 3. 关系类型(relation)
取值:线性 / 非线性 / 不限 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) 4. 样本规模(sample)
取值:小样本 / 偏小样本 / 不限 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) 5. 复杂度(complexity)
取值:简单 / 复杂 取值:简单 / 复杂 / 不限
规则: 规则:
* 用户强调可解释、简单、易理解 → 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 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: 否则由大模型结合语义与数据概要判断:
* 样本很小且特征少 → 简单 若整体倾向基础分析、低维、直观 → 简单
* 特征多或明显非线性 → 复杂 若整体倾向复杂建模、非线性、多特征 → 复杂
* 无法判断 → 默认简单 无法判断 → 默认:不限
6. 模型特性偏好(property)(可选,多选) 6. 模型特性偏好(property)(可选,多选)
取值来自算法库的 property 字段。 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: 输出要求:
仅输出结果,不输出过程。格式必须为: 仅输出结果,不输出过程。格式必须为:
【用户需求标签】 【用户需求标签】
...@@ -70,10 +76,10 @@ ...@@ -70,10 +76,10 @@
1. 算法 task 与用户 task 有交集 1. 算法 task 与用户 task 有交集
2. 算法 data 与用户 data 一致 2. 算法 data 与用户 data 一致
不满足任一条件的算法直接剔除。 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) (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。 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 总分 = task分 + data分 + relation分 + sample分 + complexity分 + property分
评分规则: 评分规则:
1. task 分: 1. task 分:
* 算法 task == 用户 task → 3 * 算法 task == 用户 task → 3
...@@ -91,15 +97,22 @@ ...@@ -91,15 +97,22 @@
* 算法 complexity = 用户 complexity → 2 * 算法 complexity = 用户 complexity → 2
* 否则 → 0 * 否则 → 0
6. property 分: 6. property 分:
* 用户 property = 不限 → 0 - 若 用户.property = "不限",property_score = 0
* 否则 = |算法 property ∩ 用户 property| - 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: 过滤规则:
* 若总分 < 5,则剔除该算法 * 若总分 < 5,则剔除该算法
(六)结果输出 (六)结果输出
1. 若有推荐结果:按“正常推荐”格式输出 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 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 四、输出规范
(一)正常推荐格式 (一)正常推荐格式
......
{"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":"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":"","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":"","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":"","confirm":false,"sessionId":"S1001","expected":"岭回归"} {"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":"","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":"","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":"","confirm":false,"sessionId":"S1001","expected":"套索回归"} {"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":"","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":"","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":"","confirm":false,"sessionId":"S1001","expected":"多项式回归"} {"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":"","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":"","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":"","confirm":false,"sessionId":"S1001","expected":"支持向量机回归"} {"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":"","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":"","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":"","confirm":false,"sessionId":"S1001","expected":"BP神经网络"} {"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":"","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":"","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":"","confirm":false,"sessionId":"S1001","expected":"梯度提升树"} {"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":"","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":"","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":"","confirm":false,"sessionId":"S1001","expected":"移动平均法"} {"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":"","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":"","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":"","confirm":false,"sessionId":"S1001","expected":"指数平滑法"} {"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":"","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":"","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":"","confirm":false,"sessionId":"S1001","expected":"自回归模型(AR)"} {"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":"","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":"","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":"","confirm":false,"sessionId":"S1001","expected":"滑动平均模型(MA)"} {"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":"","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":"","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":"","confirm":false,"sessionId":"S1001","expected":"自回归滑动平均模型"} {"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":"","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":"","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":"","confirm":false,"sessionId":"S1001","expected":"差分自回归移动平均模型"} {"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":"","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":"","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":"","confirm":false,"sessionId":"S1001","expected":"灰色模型"} {"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":"","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":"","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":"","confirm":false,"sessionId":"S1001","expected":"决策树"} {"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":"","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":"","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":"","confirm":false,"sessionId":"S1001","expected":"随机森林"} {"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":"","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":"","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":"","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":"","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":"","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":"","confirm":false,"sessionId":"S1001","expected":"判别分析"} {"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":"","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":"","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":"","confirm":false,"sessionId":"S1001","expected":"二分类逻辑回归"} {"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":"","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":"","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":"","confirm":false,"sessionId":"S1001","expected":"皮尔逊相关分析"} {"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":"","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":"","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":"","confirm":false,"sessionId":"S1001","expected":"斯皮尔曼相关分析"} {"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":"","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":"","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":"","confirm":false,"sessionId":"S1001","expected":"独立样本t检验"} {"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":"","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":"","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":"","confirm":false,"sessionId":"S1001","expected":"正态检验"} {"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":"","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":"","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":"","confirm":false,"sessionId":"S1001","expected":"K-均值聚类"} {"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":"","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":"","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":"","confirm":false,"sessionId":"S1001","expected":"层次聚类"} {"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":"","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":"","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":"","confirm":false,"sessionId":"S1001","expected":"因子分析"} {"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":"","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":"","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":"","confirm":false,"sessionId":"S1001","expected":"主成分分析"} {"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":"","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":"","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":"","confirm":false,"sessionId":"S1001","expected":"优劣解距离法"} {"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":"","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":"","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":"","confirm":false,"sessionId":"S1001","expected":"秩和比评价法"} {"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":"","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":"","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":"","confirm":false,"sessionId":"S1001","expected":"模糊综合评价"} {"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":"","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":"","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":"","confirm":false,"sessionId":"S1001","expected":"数据包络分析(CCR)"} {"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":"","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":"","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":"","confirm":false,"sessionId":"S1001","expected":"数据包络分析(BCC)"} {"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":"","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":"","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":"","confirm":false,"sessionId":"S1001","expected":""} {"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":"","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":"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":"","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":"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