使用示例

本章节提供了不同规模数据量的使用示例，帮助您了解 AutoSTAT 在处理不同大小数据集时的性能表现。 注意，所有耗时测试均在自动模式下进行。

备注

我们对每个实验进行了 5 次独立重复测试，并以 “均值 ± 标准差” 的形式报告耗时结果。测试结果不包括数据上传与解析为 DataFrame 的时间。需要注意，由于大模型生成内容存在一定的不确定性，且不同模型间性能差异较大，实际运行中的耗时可能会出现一定波动。
*总耗时为端到端耗时，流程含并行执行，故不等于各环节之和。

小规模数据量示例（<1000 条）

我们使用 UC Irvine 中的数据集 “ Wine ”（包含 178 条数据，去除 Index 文件）作为测试数据集。 各部分耗时情况如下（单位：秒）：

环节	GPT-5.4-mini 耗时	DeepSeek-v4-flash 耗时
数据导入	8.87±1.09	11.55±2.00
数据预处理	29.98±2.93	62.99±9.58
数据可视化	238.04±154.45	267.90±91.14
建模分析	85.93±14.75	172.91±46.76
报告生成	374.62±128.82	421.00±81.57
总耗时*	743.09±291.66	938.34±216.80

生成报告示例：

GPT-5.4-mini： 点击以下载doc文档

DeepSeek-v4-flash： 点击以下载doc文档

中等规模数据量示例（1000 条–10000 条）

我们使用 UC Irvine 中的数据集 “ Seoul Bike Sharing Demand ”（包含 8760 条数据）作为测试数据集。 各部分耗时情况如下（单位：秒）：

环节	GPT-5.4-mini 耗时	DeepSeek-v4-flash 耗时
数据导入	9.57±0.99	14.24±1.85
数据预处理	46.60±14.07	168.66±75.93
数据可视化	318.06±115.06	240.06±70.24
建模分析	58.05±17.25	155.29±27.24
报告生成	508.90±95.46	463.64±247.03
总耗时*	945.65±206.60	1043.58±317.46

生成报告示例：

GPT-5.4-mini： 点击以下载doc文档

DeepSeek-v4-flash： 点击以下载doc文档

大规模数据量示例（>10000 条）

我们使用 UC Irvine 中的数据集 “ Steel Industry Energy Consumption ”（包含 35040 条数据）作为测试数据集。 各部分耗时情况如下（单位：秒）：

环节	GPT-5.4-mini 耗时	DeepSeek-v4-flash 耗时
数据导入	10.59±1.04	15.33±2.35
数据预处理	44.23±9.15	129.39±29.91
数据可视化	247.40±117.68	189.66±60.48
建模分析	59.35±11.32	187.60±45.64
报告生成	402.64±145.48	525.96±180.00
总耗时*	771.04±268.76	1051.71±221.87

生成报告示例：

GPT-5.4-mini： 点击以下载doc文档

DeepSeek-v4-flash： 点击以下载doc文档

超长报告生成示例

GPT-5.4（Forty Soybean Cultivars from Subsequent Harvests）： 点击以下载 DOCX

GPT-5.4（SkillCraft1 Master Table Dataset）： 点击以下载 DOCX

GPT-5.4（Real Estate Valuation）： 点击以下载 DOCX

备注

实际耗时可能因硬件配置、网络状况和具体操作而有所不同。由于大模型返回结果不稳定，如果在自动模式下出现预处理、可视化及建模环节 debug 次数过多的情况，请清空数据并重新开始流程；如为手动操作，请切换至其他环节并再切回对应出错环节重试。