用途：面向数据分析项目提供自动化EDA流程，从数据加载起步，完成数据诊断、可视化、建模评估到报告生成，减少重复性分析工作。
主要能力：自动数据诊断（数据质量、异常值与缺失值模式）、统计描述与相关性分析；生成分布、统计、关系类及ROC曲线、混淆矩阵、特征重要性等图表，含Plotly交互式图表；支持逻辑回归、随机森林、XGBoost、神经网络等建模与自动特征工程、超参数调优、SHAP可解释性；输出HTML、PDF、Markdown报告并支持自定义模板；提供医疗数据分析（ICD-10、SNOMED CT等编码及生物标记物处理）与批量数据处理。
使用方式：通过模块化脚本调用，例如 from scripts.eda_analyzer import EDAAnalyzer 后 analyzer.load_data('data.csv') 与 analyzer.auto_eda(data)；可视化使用 DataVisualizer 的 auto_visualize、plot_distribution、plot_correlation；建模使用 ModelingEvaluator 的 auto_modeling；报告使用 ReportGenerator 的 generate_comprehensive_report；医疗数据使用 MedicalDataAnalyzer。依赖包括 pandas、numpy、scikit-learn、xgboost、matplotlib、seaborn、plotly、scipy、statsmodels、jinja2、weasyprint 等。
适用场景：医疗健康（疾病预测、诊断辅助、流行病学研究、临床试验）、金融风控（信用评估、欺诈检测、投资分析、合规报告）、电商零售（用户分析、销售预测、推荐评估、市场细分）、科研教育（学术研究、教学案例、论文图表）。
限制：资料未提供具体价格、收费方式、平台环境、性能指标与准确率数据，部分未来计划（深度学习、云端部署、实时分析）尚未实现，实际效果需以真实数据和运行环境为准。