David Zhu GOOD-123-CPU

David Zhu

数据科学与大数据技术 · Data Science and Big Data Technology

你好，我是 David Zhu。我关注可解释机器学习、统计与因果分析、知识检索和数据可视化，把分析方法落实为可复现的实验和可运行的应用。

I build reproducible data science projects and AI applications, with a focus on interpretable models, causal analysis, retrieval, and visualization.

项目	解决的问题	从这里开始
HanBayes	中文情感分类：贝叶斯基线、特征加权与可解释预测	模型对比结果 · 算法说明
VoxFrontier	直播效率分析：DEA、归因、Double ML 与反事实模拟	方法与假设 · 复现指南
MediRAG	医疗文档问答：多路检索、融合、重排序与引用溯源	检索链路 · 启动与评估边界
ScreenWeaver	配置驱动的数据大屏：Vue 3、TypeScript 与 ECharts	在线演示 · 完整配置示例
Retail Audit Agent	零售审计演示：资料解析、规则识别、AI 解释与报告流程	功能与本地体验
Research Figure Workbench	科研制图工作流：数据溯源、图表检查与可编辑导出	工作流与使用说明

仓库已提交的模型对比结果：

模型	Accuracy	Macro-F1	AUC
StandardNB	0.7793	0.7786	0.8505
FWNB	0.8022	0.8009	0.8770
DFWNB-v2	0.8048	0.8033	0.8822
SDFWNB	0.8073	0.8065	0.8867

SDFWNB 相比 StandardNB，Accuracy 提高 2.80 个百分点，Macro-F1 提高 0.0279。这些是仓库保存的实验结果，不是实时评测，也不代表在其他数据集上的表现。

从合成数据出发，连接 效率测度 → 贡献归因 → 因果估计 → 情景模拟，保留方法说明、结果表与运行记录。

示例用于展示分析方法，不代表真实平台的实证结论；因果解释依赖识别假设，情景模拟也不等于经过验证的干预效果。

欢迎通过对应项目的 Issues 讨论方法、反馈问题或交流复现结果。项目的安装步骤、依赖和适用边界以各仓库文档为准。