用途：Classification Helper 用于训练和评估分类模型，并自动进行模型选择，适合需要快速比较多种分类器并得到评估结果的场景。
主要能力：自动模型选择，可比较多个分类器；超参数调优，支持网格搜索与随机搜索；评估指标包括准确率、精确率、召回率、F1 和 ROC-AUC；支持 K 折交叉验证；提供混淆矩阵用于错误分析；可查看特征重要性（Top 预测特征）；支持模型导出，保存训练好的模型。
使用方式：通过命令行运行，示例命令为 python classification_helper.py --data train.csv --target class --test test.csv --output model.pkl。依赖包括 scikit-learn>=1.3.0、pandas>=2.0.0、numpy>=1.24.0、matplotlib>=3.7.0、seaborn>=0.12.0。
适用场景：适用于表格数据的分类任务，例如需要快速建立基线、比较多个分类器、调参并输出评估报告或保存模型供后续使用。
限制：资料未提供支持的数据规模、具体分类器列表、调参范围、运行环境要求、收费方式及平台信息，暂未提供。