展开本页目录
开始前准备什么
- 解压lesson.zip到独立目录，先阅读README与运行范围。
- 使用与页面一致的工具版本；模型或账户能力以自己实际权限为准。
- 保留原始输入；教材中的人工参考与模型实际结果分开保存。
- 看原始样本与异常标记
- 导入数值字段
- 先分析全量数据
- 建立可追踪的过滤分支
- 并排解释两种结果
- 用Python核对真值
- 保留两个分支和输入
下载完整练习素材 ZIP
含README、原创输入、提示词、校验脚本与明确标注的参考材料。
下载本页原始输入
latency.csv，原创练习数据或任务书。
查看运行说明与验证边界
具体步骤、命令与未执行范围。
1. 看原始样本与异常标记
打开latency.csv，6条延迟，最后一条900ms标为待调查。异常不是自动等于错误；原始文件保持完整。
bash
bash
python3 analyze.py
python3 verify.py
2. 导入数值字段
在自己的Data Formulator版本导入CSV，确认latency_ms是毫秒数值。先要求列出n、min、max，核对6/100/900再做图。
3. 先分析全量数据
全量均值250ms，中位数125ms。让模型给出实际计算代码或表格，不用“约等于正常”这样的结论代替数值。
4. 建立可追踪的过滤分支
从相同输入分支，明确过滤latency_ms<=200。过滤后n=5、均值120ms、中位数120ms；把过滤规则写进标题，不原地抹掉900。
5. 并排解释两种结果
用两张可比较的图或表展示统计值。均值变化大于中位数不等于设备故障原因已确定；列出“调查900ms来源”作为后续动作。
6. 用Python核对真值
运行analyze.py读取真实CSV重算两组，修改临时副本中的900测试统计变化。verify.py会拒绝缺字段、非数值与负延迟。
bash
bash
python3 verify.py
7. 保留两个分支和输入
保存自己的Data Thread分支、图表、分析代码与原CSV。人工独立图表只作数值对照，不称作Data Formulator运行截图。
怎样确认已经完成
- 自己的实际产物能打开，数字、标签、单位与原始输入一致。
- 执行随包verify.py检查真实文件；参考材料不能冒充自己的模型运行。
- 已真实读取原创CSV、独立Python重算并渲染数据结果；未调用Data Formulator模型。配图中的参考图为独立计算产物，不是伪造的工具界面。
常见问题
下载素材后能直接看到AI生成结果吗？
已真实读取原创CSV、独立Python重算并渲染数据结果；未调用Data Formulator模型。配图中的参考图为独立计算产物，不是伪造的工具界面。
Data Formulator 异常值分析要怎样判断完成？
按本页步骤执行自己的工具环境，核对原始输入、实际产物与检查清单；下载成功、程序启动或参考文件存在都不能代替实际结果验收。