| name | model-selection |
| description | 智能模型选择决策树引擎。不是查表,而是通过是/否问题逐步推理出最优模型。覆盖预测、分类、优化、评价、动态系统、网络六大类,含数据量判断、特征判断、假设检验、替代方案推荐。在2analysis-modeling阶段使用。 |
模型选择决策树
不是查表,而是通过一系列是/否问题,逐步推理出最优模型。
使用时机
在 2analysis-modeling 阶段,确定了子问题后,对每个子问题运行本 skill。
决策树
分支1:预测类
- 数据量<30 → 灰色预测 GM(1,1)
- 有时序+季节性 → SARIMA / Prophet
- 多特征 → XGBoost / LightGBM
- 非线性小样本 → SVM
- 多模型融合 → Stacking
分支2:分类类
- 类别平衡 → Logistic/SVM/RF
- 类别不平衡 → class_weight/SMOTE
- 特征>50 → XGBoost/LightGBM
分支3:优化类
- 线性 → 线性规划 PuLP
- 非线性 → scipy.optimize
- 离散/整数 → 整数规划
- NP-hard → GA/SA/PSO
- 多目标 → NSGA-II/VIKOR
分支4:评价类
- 有专家 → AHP
- 纯数据 → 熵权法+TOPSIS
- 模糊定性 → 模糊综合评价
分支5:动态系统类
- ODE / PDE / 差分方程 / 系统动力学 / 元胞自动机 / Agent-Based
分支6:网络类
输出格式
每个子问题输出首选+备选+Baseline三个推荐方案(含理由)。