AI教程

用 SelectKBest 在训练集内筛选分类特征，核对原始列名、筛选后形状和 Pipeline 预测；说明单变量筛选的限制与测试集边界。

用 langid 在本地批量识别文本语言，保留编号和原文并导出 CSV。样例将空串、短句标记待复核，并通过混合语言反例说明高模型概率不能代替人工确认。

用 jieba、TF-IDF 和 KMeans 对无标签中文短句作主题探索，打印组内原句及中心高权重词。通过十二条人工样例检查分组，并说明真实语料如何校准和复核。

用 jieba 补充领域词、设置停用词，提取中文 TF-IDF 关键词并导出词与权重。提供可运行样例、结果核对和领域 IDF 的使用边界。

用字符 TF-IDF 生成文本近重复候选对和人工复核 CSV，保留原始记录。通过只差一个否定词的高相似反例，说明为何相似度阈值不能直接作为删除规则。

用 scikit-learn 在本地建立中文字符 TF-IDF 索引，输入查询后按余弦相似度排序并导出 CSV。示例包含零向量查询的空结果处理，以及换成真实文档后的验证办法。

scikit-learn 预测报错时，先区分“模型尚未拟合”和“预测输入与训练列不一致”。下面故意触发这两个本地错误，再按正确顺序拟合模型、核对列名和顺序，完成一次预测。不要仅把异常捕获掉后返回空结果。

AI 训练标签改错后如果只覆盖原文件，很难知道哪些样本变过、为什么变。下面保留原始标签表，把修改写成追加事件：样本编号、原值、新值、理由、复核人和时间，再由事件生成当前标签。

比较两个分类模型时，先让它们预测同一批测试样本，再检查一条样本上的对错变化。下面统计模型分歧，并对准确率差 B−A 做配对自助重采样；每次抽取相同样本编号，保留两模型结果的对应关系。

电商 AI 分析提出“买A的人也买B”时，可以先用购物篮数据核对三个数：支持度、置信度和提升度。下面用六个虚构订单手算并编程核对 A→B 的规则，避免把常见商品的高共现误解为额外关联。