该技能用于构建、调优和评估分类与回归模型，面向生产级监督学习任务，使用 Python 与 scikit-learn、XGBoost、imblearn 等库。
主要能力：提供分类算法（逻辑回归、随机森林、XGBoost、SVM）、回归算法（Ridge、Lasso、随机森林、XGBoost）的选型与示例；演示 RandomizedSearchCV 超参数调优；介绍类别不平衡处理（class_weight、SMOTE、阈值调整）；提供基于 cross_validate 的模型对比函数，输出准确率、F1 与 AUC。
使用方式：以代码示例呈现，包含 train_test_split 划分数据、模型 fit、cross_val_score 评估、RandomizedSearchCV 搜索最佳参数，以及用 imblearn Pipeline 组合 SMOTE 与分类器。
适用场景：表格数据分类或回归、需要模型选型、调参与性能对比的机器学习工作流。
限制与注意事项：资料给出最佳实践与排错建议，如不要用测试集调参、注意类别不平衡、不忽略特征重要性、不平衡数据不用准确率；并提供了 pytest 单元测试模板与练习。未提供安装步骤、收费与平台信息。