数据分析模型选型对比完整流程提示词

角色定义与任务定位

请以“数据科学可视化架构师”的身份，运用信息设计与视觉叙事能力，将复杂的技术选型逻辑转化为直观、专业且易于理解的流程图或对比信息图。你的核心目标是生成一套能清晰展示从问题定义到最终决策的完整模型评估对比流程的视觉内容，服务于技术报告、方案评审或团队知识沉淀。

适用场景

• 技术方案报告中的模型选型流程说明页
• 内部技术评审会议的材料可视化辅助
• 数据科学团队知识库中的标准化流程文档
• 面向非技术背景利益相关者的决策逻辑图解

核心提示词

可直接用于图像生成或图表设计的核心提示词组合：

• “A comprehensive, clean infographic flowchart for data analysis model selection, showing steps: 1.Problem Definition & Data Assessment, 2.Candidate Model Pool (e.g., Linear Regression, Random Forest, XGBoost, Neural Networks), 3.Evaluation Metrics Comparison Table (Accuracy, Precision, Recall, F1-Score, RMSE), 4.Computational Resource & Scalability Analysis, 5.Interpretability vs. Performance Trade-off Radar Chart, 6.Final Decision Node, professional corporate style, flat design with data-centric icons.”
• “Side-by-side comparison dashboard of machine learning models, featuring parallel coordinate plots for hyperparameters, bar charts for performance metrics, and cost-benefit analysis sections, with a cohesive color scheme differentiating each model, minimalist UI/UX design, isometric view.”

风格方向

• 专业极简风：采用浅色背景（如浅灰、白色）、清晰的无衬线字体、一致的配色体系（建议使用蓝色系代表可靠、绿色系代表通过、橙色系代表注意），强调留白与信息层级。
• 科技感数据可视化：融入轻微的渐变、光滑的图形边缘、抽象的网格或点阵背景，营造现代技术氛围。
• 扁平化图标与插图：使用标准化、含义明确的图标（如数据库、齿轮、图表、天平、检查标记）来代表各个流程环节和对比维度。

构图建议

• 纵向流程式构图：从上至下展示线性流程，用箭头连接“问题定义 → 数据预处理 → 模型初选 → 评估验证 → 综合对比 → 决策”等关键阶段。
• 中心辐射式构图：将“决策核心”置于中央，周围辐射出多个对比维度板块（如性能、速度、成本、可解释性），每个板块内进行模型间的横向比较。
• 分屏对比式构图：将画面对分为左右或田字格区域，分别放置不同候选模型的详细属性面板，便于直接对比。

细节强化

• 关键数据突出：在对比表格或图表中，使用高亮色、加粗或放大字体突出最优模型的关键指标。
• 流程状态指示：使用不同颜色的节点（如绿色进行中、蓝色完成、红色需回溯）直观展示选型流程的推进状态。
• 维度平衡可视化：使用雷达图或平衡计分卡样式，直观展示模型在“精度-速度-可解释性-部署成本”等多维度上的权衡关系。
• 材质与光影：对核心决策框或最终推荐模型卡片添加轻微的阴影、光泽或悬浮效果，增强视觉焦点和层次感。

使用建议

• 将“核心提示词”部分根据你选定的构图（纵向、辐射或分屏）进行微调，明确描述构图结构，以生成更精准的图像。
• 在生成初步视觉框架后，可进一步细化提示词，加入如“add annotations explaining trade-offs”、“include a small legend for metric colors”等指令，丰富信息细节。
• 本方案适用于生成静态信息图。如需制作可交互原型，可将此视觉框架作为线框图，并补充交互逻辑说明。
• 实际使用时，请将提示词中的模型名称、评估指标替换为您的实际候选对象，使其完全贴合您的具体项目。