智能数据建模

要解决什么问题

手里只有一份 data.csv 或 survey.xlsx，却不确定该做回归、分类还是问卷分析；更麻烦的是，缺失值、编码、标准化一旦默认处理，结论往往经不起追问。这个技能把「先判类型、再走路径、关键决策必须你点头」写进流程，而不是一次性黑盒出图。

技能如何工作

阶段 0 加载数据并判断类型：先识别问卷特征，再在回归与分类之间区分；边界情况会请你确认，而不是强行归类。

判定后按路径读取子流程说明并执行：

• 问卷：题目识别 → 维度与重点题选择 → 频率与交叉分析 → S5.5 数值化编码（逐题确认） → 高级分析与报告
• 回归：EDA → 变量选择 → 预处理 → R4 前置诊断（有 ❌ 则暂停） → OLS、残差与高级建模 → 报告
• 分类：EDA → 预处理 → 多模型对比 → 深度评估 → 报告

交互上优先用选项式提问（AskUserQuestion），每完成一个阶段展示结果并询问是否继续；各阶段中间结果会写入 intermediate_data/，便于你在 Jupyter 里接着改。统计输出配中文通俗解释，并会根据结果建议后续分析方向。

适用边界与注意点

• 命令形态：/smart-modeling 文件路径 [目标变量]；第二个参数可选，用于指定 Y 列。
• 禁止自作主张：缺失值、异常值、变量编码、标准化四项必须由你确认；问卷的有序/名义编码方向与是否排除变量也要逐题确认。
• 技能是流程编排与方法论约束，不替代你对业务含义的判断；回归路径在诊断未通过时不应继续硬建模。