模型预测（含复制粘贴）
模型训练好之后，最有价值的动作就是拿它去预测新数据。
传统做法很折腾：把数据整理成文件 → 导入 → 匹配列名 → 跑预测 → 再导出。星途数据洞察平台把这条链路压缩成了一个动作—— Ctrl+V。
🚪 入口
顶部工具栏 → 模型预测（预测图标）
⚠️ 前提：必须在右侧模型列表中已激活且已拟合 (Fit) 一个模型。没有可用模型时该按钮不可点击。
📋 界面构成
打开后是一个大号弹窗，自上而下分三块：
1. 模型信息栏
| 显示项 | 说明 |
|---|---|
| 实例 | 当前实例名称 |
| 模型 | 当前模型名称 + 模型类型标签（PCA / PLS / PLS-DA / OPLS / OPLS-DA） |
| 指标 | 模型核心评价指标，鼠标悬停查看说明 |
指标栏显示什么，取决于模型类型：
| 模型类型 | 显示指标 |
|---|---|
| PLS / OPLS（回归） | R² : … | Q² : … |
| PLS-DA / OPLS-DA（分类） | Acc: … | AUC: … | F1: … |
| PCA | 无监督模型，不显示预测指标 |
💡 预测前先看一眼指标：如果 Q² 只有 0.3，预测结果的可信度本身就有限，别把结论用得太满。
2. 数据表格区
- 第一列是行号索引
- 接着是 X 列（表头两行显示：上行是变量英文名，下行是中文名称）
- 然后是 原始 Y 列（如果你连真实值一起粘贴，可用来现场校验）
- 最后是预测列，表头形如
x3 (预测)
3. 预测对比图区
点击「预测」后，每个 Y 变量都会自动生成一张预测对比图，并在图上方实时显示评估指标：
| 模型类型 | 图表指标 |
|---|---|
| 回归 | RMSE（均方根误差）、R²（决定系数）、MAE（平均绝对误差） |
| 分类 | Acc（准确率）、F1（宏 F1 分数）、Precision（宏精确率） |
💡 悬停任一指标可查看通俗解释。例如 R²=「预测模型对真实数据的拟合程度，越接近 1 越好」。
📥 怎么把数据喂进去：复制粘贴
这是预测面板唯一的输入方式——不需要导入文件。
操作步骤
- 在 Excel 中选中要预测的数据区域，Ctrl+C / Cmd+C 复制
- 回到预测弹窗，在弹窗区域内单击一下（让弹窗获得焦点）
- Ctrl+V / Cmd+V 粘贴
- 看到「成功粘贴 N 行数据」提示即完成
- 点击 预测
⚠️ 最关键的一条规则：列顺序必须一致
平台是按列顺序读取粘贴数据的，不按列名匹配。所以：
确保粘贴数据的列顺序，与 X 变量列表（以及 Y 变量列表）的顺序完全一致。
上图会给出明确提示：
- PCA 模型：「请在此区域内单击后，使用 Ctrl+V / Cmd+V 从 Excel 粘贴 X 变量数据，确保列顺序与 X 变量列表一致。」
- 其他模型：「…粘贴数据，确保列顺序与 X、Y 变量列表一致。」
粘贴格式要求
- 直接从 Excel 复制即可（制表符分隔），无需另存 CSV
- 支持一次粘贴多行，批量预测
- 列的数量应与 X（+ Y）变量个数对应
💡 建议做法：在 Excel 里按预测面板表头的列顺序，把新数据重新排列一次再复制，可以避免顺序错位。
📤 输出结果：一键回贴 Excel
预测完成后，点击 复制结果：
- 结果写入系统剪贴板，提示「结果已复制到剪贴板，可直接粘贴至 Excel」
- 回到 Excel Ctrl+V，即可把预测值贴回你的原始表格
这样形成闭环：Excel → 粘贴进平台 → 预测 → 粘贴回 Excel，全程不产生中间文件。
其他操作
| 按钮 | 作用 |
|---|---|
| 清空 | 清除当前粘贴的数据与预测结果 |
| 预测 | 对表格中的数据执行预测 |
💡 若粘贴的数据里同时包含真实 Y 值，预测后会自动计算并显示 RMSE / R²（或 Acc / F1），相当于顺手做了一次外部验证。
🔄 反向预测：从目标反推参数
除了"由 X 预测 Y"，平台还提供反向计算能力：给定目标的主成分得分，反算出对应的原始变量取值。
这个能力没有独立按钮，而是集成在 模型探索 的探索模式中：
- 拖动得分图上的红点到目标位置
- 下方的 X-Space / Y-Space 面板会实时显示各变量的理论取值
💡 这就是"要达到这个质量指标，工艺参数该设多少"的答案来源。详见 模型探索与参数寻优。
🎯 典型用法
用法一：来料快速判定
拿到一批新原料的检测数据 → 按 X 列顺序复制 → 粘进预测面板 → 预测 → 复制结果贴回用法二：离线数据回验
把历史数据（含真实 Y）粘贴进来 → 预测 → 看 R² / RMSE → 评估模型在该批次上的实际表现用法三：多目标预测
一个 PLS 模型有多个 Y 列时，每个 Y 都会独立出一张对比图与一组指标用法四：反向优化
模型探索 → 探索模式 → 拖红点到目标质量区域 → 读 X-Space → 得到推荐工艺参数⚠️ 注意事项
- 顺序敏感：列顺序错位不会报错，但会得出完全错误的预测结果——这是最常见的使用事故
- 不要粘贴表头行：只粘贴数据行，列名不会被识别
- 数值格式：确保单元格是数值而非文本（Excel 中左对齐的"数字"往往是文本）
- PCA 模型只能看结构：无监督模型没有 Y，预测面板主要用于查看样本在潜空间的投影
- 外推风险：如果新数据的取值范围明显超出训练数据，预测可信度会下降——参考 模型探索 中的边界违规 (Violations) 提示