model.fit(X_train, y_train)学习地图
基础 · 数据观察
这一日的目标不是“写很多代码”，而是形成一个习惯：任何数据拿到手，先确认结构、类型、空值、重复和分布。
pd.read_csv()把 CSV 读成 DataFramedf.shape确认行数和列数df.isna().sum()检查每列缺失值value_counts()看类别是否均衡df["a", "b"]多列必须是两层方括号df.detype()查看类型是 dtypesdf.DataFrame()创建新表要用 pd.DataFrame()数据工程 · 知识库治理
清洗不是把数据“改得好看”，而是让每一条记录结构统一、敏感信息被保护、标签关系可验证。
re.sub()删除 HTML、合并空白mask_sensitive()手机号、邮箱、身份证脱敏sort_values() → drop_duplicates()先排序再保留最小 ID.loc[]按条件修改标签和质量标记and / orpandas 条件用 &、| 且每段加括号df = df.loc[...] = x修改时不要把 DataFrame 赋值掉inplace=True不要和变量重新赋值混用模型训练 · 评估与保存
先切分，再用训练集学习标准化规则；只对训练集做 SMOTE；最后用没有增强的验证集检验模型。
X / y特征输入和标签答案fit_transform / transform训练集学习，验证集只转换SMOTE.fit_resample()只补训练集的少数类joblib.dump()把模型、scaler、特征列一起保存Series(X_2d)二维特征不能直接转成一维 SeriesSMOTE(valid)验证集和测试集不能增强fit_transform(valid)会让验证集参与学习，造成泄漏复习方式
不看代码，用一句话解释这个函数的输入、输出和用途。
把练习文件运行一次，先看结果，再处理报错。
把今天遇到的错误写进复习页，第二天先看它。
对应竞赛技术文件
Day 1–2 对应第二场模块 A 的数据工程；Day 3 对应模块 B 的特征预处理和模块 C 的训练评估基础。下一步会从 TF-IDF 文本分类进入 LoRA。