各位同仁好，我是七哥。一个在高校里从事人工智能相关领域研究，钻研用大模型AI实操的学术人。可以和七哥交流学术写作或Gemini、GPT、Claude 等大模型 学术实操相关问题，多多交流，相互成就，共同进步。结合 Claude Haiku 4.5在性能速度、数据处理与分析上的突出优势，我发现它在科研领域也能发挥关键作用，比如论文研究方法部分的实验数据清洗与建模，就可以用它来提升效率。先了解清楚数据清洗与建模的流程：数据读取与变量识别 → 数据清洗与预处理 → 探索性数据分析（EDA） → 特征工程与变量筛选 → 模型训练与性能比较 → 模型解释与结果可视化下面来看看这个流程如何借助Claude Haiku 4.5来进行辅助以及提示词设计：01数据读取与变量识别第一阶段，我们需要清楚地了解数据的基本结构与变量情况，包括：样本量、变量类型、缺失值分布、变量含义等。那么用Claude Haiku 4.5就可以在几秒时间内完成对数据的统计与分类，给后续清晰和建模奠定基础，提示词这样设计。AI提示词指令：请你扮演一位经验丰富的数据科学家，对我提供的数据集【数据集】进行初步读取与变量识别。具体要求如下：1）自动读取数据集，并输出：样本总数、变量总数、数值型/分类型/时间型变量的数量与名称；2）对每个变量，生成简要的数据字典，包括：变量名称、数据类型、缺失值比例、取值范围/类别数量；3）对异常变量（如常量变量、全缺失变量）进行
各位同仁好，我是七哥。一个在高校里从事人工智能相关领域研究，钻研用大模型AI实操的学术人。可以和七哥交流学术写作或Gemini、GPT、Claude 等大模型 学术实操相关问题，多多交流，相互成就，共同进步。结合 Claude Haiku 4.5在性能速度、数据处理与分析上的突出优势，我发现它在科研领域也能发挥关键作用，比如论文研究方法部分的实验数据清洗与建模，就可以用它来提升效率。先了解清楚数据清洗与建模的流程：数据读取与变量识别 → 数据清洗与预处理 → 探索性数据分析（EDA） → 特征工程与变量筛选 → 模型训练与性能比较 → 模型解释与结果可视化下面来看看这个流程如何借助Claude Haiku 4.5来进行辅助以及提示词设计：01数据读取与变量识别第一阶段，我们需要清楚地了解数据的基本结构与变量情况，包括：样本量、变量类型、缺失值分布、变量含义等。那么用Claude Haiku 4.5就可以在几秒时间内完成对数据的统计与分类，给后续清晰和建模奠定基础，提示词这样设计。AI提示词指令：请你扮演一位经验丰富的数据科学家，对我提供的数据集【数据集】进行初步读取与变量识别。具体要求如下：1）自动读取数据集，并输出：样本总数、变量总数、数值型/分类型/时间型变量的数量与名称；2）对每个变量，生成简要的数据字典，包括：变量名称、数据类型、缺失值比例、取值范围/类别数量；3）对异常变量（如常量变量、全缺失变量）进行
)
