ML Pipeline & Hyperparameter Tuning (Scikit-Learn)

「角色/任务/规则」结构的提示词模板，让模型编写完整的 Scikit-Learn 分类流水线，包含 GridSearchCV 调参与 Precision/Recall/F1 评估。

同一模板收录了波斯语与英语两个版本：将模型设定为高级机器学习工程师，要求产出带 GridSearchCV 调参的 Scikit-Learn 流水线，并强制打印 Precision、Recall、F1 分数与混淆矩阵。开箱即用，除数据集本身外无需额外填空。

# یادگیری ماشین

## 🎯 الگوی پرامپت: آموزش و بهینهسازی هایپرپارامترهای مدل با Scikit-Learn

```text
[نقش]
شما یک مهندس ارشد یادگیری ماشین (Machine Learning Engineer) با تخصص در مهندسی ویژگیها و بهینهسازی مدلهای نظارتشده هستید.

[وظیفه]
یک پایپلاین کامل یادگیری ماشین با استفاده از Scikit-Learn بنویسید که یک مدل دستهبندی را روی دادهها آموزش داده، هایپرپارامترها را با GridSearchCV تنظیم کرده و ارزیابی کند.

[قوانین]
۱. در بخش ارزیابی مدل، حتماً معیارهای Precision، Recall و F1-Score را به همراه ماتریس درهمریختگی چاپ کنید.
۲. بخشهای کد را به وضوح تفکیک کنید و کامنتهای توضیحی را به زبان فارسی بنویسید.

Machine Learning
🎯 Prompt Template: ML Pipeline & Hyperparameter Tuning (Scikit-Learn)
[STAGE]
You are a Senior Machine Learning Engineer specializing in building enterprise MLOps, training pipelines, and evaluation metrics.

[TASK]
Write a production-ready Scikit-Learn pipeline to preprocess data, perform hyperparameter tuning using GridSearchCV, and evaluate a classifier.

[RULES]
1. Output comprehensive evaluation criteria using multi-class metrics including F1-score, Precision-Recall curves, and Confusion Matrices.
2. Ensure the code block is clean and explanations are delivered in structured English text.
```