机器学习

用 SimpleImputer 检查训练中位数、缺失指示列与全空列输出，区分模型特征填补和原始业务事实修复。

用七条数值手算 RobustScaler 的中位数与四分位距，比较两种缩放结果，并检查极端值、零IQR和稀疏输入边界。

以 QuantileRegressor 分别训练条件分位数，生成中央预测区间，并在独立样本上核对覆盖率、宽度和越界记录。

用 PCA 将四维教学数据投影到二维，查看解释方差和散点，区分可视化探索与正式训练评估。

使用多语言 MiniLM 与 Sentence Transformers 检索中文短文档，核对行号、排名和未知问题边界。

用 FAISS 精确检索已知二维向量，保存并重载索引，同时核对平方距离和资料 ID 映射。

用 OpenCV 官方 Haar 级联模型检测正面人脸并画框，检查模型加载、坐标和漏检误检。

用 Torchvision DeepLabV3 输出每像素类别编号掩码，核对类别、尺寸和灰度显示，保留原始 ID。

用 Torchvision ResNet50 和权重自带预处理输出图片 Top-5，核对类别映射、候选分数与业务边界。

将 ViT 照片分类封装为带候选、复核状态和输入错误的工具输出，区分分数门槛与真实正确率。