热门角色不仅是灵感来源,更是你的效率助手。通过精挑细选的角色提示词,你可以快速生成高质量内容、提升创作灵感,并找到最契合你需求的解决方案。让创作更轻松,让价值更直接!
我们根据不同用户需求,持续更新角色库,让你总能找到合适的灵感入口。
本提示词专为课程长文和报告优化设计,能够将冗长复杂的课程内容转化为结构清晰、重点突出的优质文档。通过深度分析原文内容,识别核心知识点和逻辑结构,进行智能重组和语言润色,同时保持学术严谨性和专业性。系统采用多步骤优化流程,包括内容结构分析、重点提炼、语言润色和格式规范化,确保输出内容既保持原意又提升可读性。适用于各类课程报告、学术论文、培训材料等长文档的优化需求,帮助用户快速获得专业级的文档优化效果,提升学习效率和内容质量。
本次优化围绕学术报告的标准结构、术语统一与表达精炼展开。依据用户提供的初稿要点,在不改变核心观点与结果的前提下,重构为可提交的课程作业稿:明确章节层次、补齐作业必备要素的占位与说明、规范评估与验证流程的表述,并强化模型选择理由、误差来源与改进方向的论证。对“待补”内容保留标注,避免未经证实的信息。
机器学习课程报告(第5–8周):k近邻(KNN)与线性回归的实现与评估
本报告基于第5–8周课堂笔记完成对监督学习中k近邻(KNN)与线性回归模型的实现与评估。数据集选用公开数据 A,预处理包括缺失值填补与特征标准化。KNN 分类的准确率约为 0.86,线性回归的均方误差(MSE)约为 12.3。当前存在混淆矩阵与残差图未补充、公式推导待完善、正则化强度选择依据不足、交叉验证折数与样本量匹配说明未完善等问题。报告重点讨论过拟合与数据泄漏风险,并提出改进方向与可交付规范。
关键词:监督学习;k近邻;线性回归;过拟合;正则化;交叉验证
监督学习旨在学习输入到标注输出的映射关系,常见挑战包括过拟合与泛化能力不足。课程第5–8周围绕监督学习、过拟合与正则化展开教学。本作业选择 KNN 与线性回归作为实现对象:
数据泄漏风险
当前预处理环节存在对全量数据拟合参数的可能性(如标准化或缺失值填补在全数据上执行)。数据泄漏将导致评估指标偏高,尤其是 KNN 的局部结构与线性回归的参数估计都会受影响。建议严格在训练集拟合预处理参数,并将同一参数应用到验证/测试集。
正则化强度选择依据不足
线性回归中的正则化强度 λ 需通过交叉验证或留出验证系统选择。缺乏依据可能导致欠拟合或过拟合。建议:
交叉验证折数与样本量匹配
折数设置应兼顾估计方差与计算开销:样本较少时适当提高折数以降低方差,样本较大时可降低折数以节约计算。需在报告中说明折数选择的原则与理由(例如参照课程讲义的建议),并给出与样本量的匹配说明。
误差来源分析
本报告完成了 KNN 与线性回归的基础实现与评估,KNN 准确率约 0.86,线性回归 MSE 约 12.3。在保证不泄漏信息的前提下,需完善:
本次优化在不改变原有教学主题与立场的前提下,围绕“形成性评价与学习反馈”系统重构单元框架:明确学习目标(对齐布鲁姆目标层级与可测性要求)、标准化关键概念与常见误区、具体化课堂活动步骤(含时间控制与板书规范)、细化作业要求与评分要点(rubric草案),并提供便于出题与批改的知识点列表,以及下一次教学的针对性改进建议。整体提升文档的结构清晰度、学术规范性与可操作性。
教学单元整合(第3周):学习反馈与形成性评价
材料与资源:提问卡模板、同伴互评表、离场卡、计时器、板书模板(打印或投影)。
建议权重(可根据课程实际调整):维度1 25%,维度2 25%,维度3 25%,维度4 15%,维度5 10%。
本次优化围绕结构重构、语言精炼与评估口径统一展开。在保持原有核心观点与结论不变的前提下,报告按“背景—目标—对象—方案—实施—问题—评估—行动—传播”的逻辑重排,强化目标的可衡量性与后续转化路径,补充评估与数据口径,形成可对外推广的课件大纲、学习手册提要与会议汇报要点,提升专业性与可读性。
某制造企业一线主管沟通与反馈专项:内训方案与复盘报告(优化稿)
9.2 学习手册提要(8–12页)
9.3 会议汇报要点(面向管理层,5–8分钟)
将冗长课程笔记与报告初稿快速优化为结构清晰、重点突出的作业与论文草稿;规范术语与格式,缩短修改时间,提升提交通过率。
把讲义、课堂记录与学生作业汇总优化为标准化教学材料;自动生成大纲与关键点,便于布置任务、出题与批改反馈。
精炼培训方案与复盘报告,重构逻辑与重点,快速形成可传播的课件、学习手册与会议汇报稿,提高培训落地率。
将冗长的课程材料、论文初稿与培训讲义,快速打磨为“结构清晰、重点突出、语言严谨、格式统一”的提交级文档;在不改变原意与学术立场的前提下,重建逻辑、浓缩信息密度、优化可读性;面向学生、导师、研究人员与企业培训团队,显著减少整理与润色时间,提升产出质量与通过率,让一次试用即可感知成效。
将模板生成的提示词复制粘贴到您常用的 Chat 应用(如 ChatGPT、Claude 等),即可直接对话使用,无需额外开发。适合个人快速体验和轻量使用场景。
把提示词模板转化为 API,您的程序可任意修改模板参数,通过接口直接调用,轻松实现自动化与批量处理。适合开发者集成与业务系统嵌入。
在 MCP client 中配置对应的 server 地址,让您的 AI 应用自动调用提示词模板。适合高级用户和团队协作,让提示词在不同 AI 工具间无缝衔接。
免费获取高级提示词-优惠即将到期