用途：面向需要预测连续变量的场景，自动完成从原始数据到预测结果与业务解读的完整机器学习流程，支持线性回归、决策树回归和随机森林。
主要能力：数据加载与校验、缺失值与异常值处理、探索性分析；日期特征提取、类别编码、交互项与衍生特征、特征选择、数据缩放；K折交叉验证、超参数调优、多模型对比排序；R²、MAE、RMSE、MAPE评估，残差分析、学习曲线、特征重要性、预测区间；输出预测对比散点图、残差图、特征重要性图及分析报告。支持中英文列名与数据，可处理时间序列特征。
使用方式：提供数据集（含目标变量与预测变量，建议至少100行），技能会读取CSV等数据并按上述流程建模。示例场景包括房价预测、销售预测、风险评分预测。生成文件包括 model_results.csv、feature_importance.csv、model_comparison.csv、prediction_plots.png、regression_analysis_report.md、model_coefficients.csv。
适用场景：需要快速建立可解释的回归预测模型、比较多种算法并量化业务影响（如ROI、情景分析、阈值优化、A/B测试验证支持）的分析任务。
限制：依赖 scikit-learn、pandas、numpy、matplotlib、seaborn、scipy 及标准Python库；要求数据格式与编码一致、样本量足够。资料未提供具体安装命令、价格、平台与部署方式，暂未提供。