一、案例定位

原書用 NUM.INFER() 示範 few-example classification：先人工替幾筆病患指定 Priority，再讓 Numerous.ai 依 Diagnosis 推論後續列。

二、學習目標

• 理解 examples_range／labels_range／new_value。
• 保留人工 training examples。
• 將推論結果視為分類建議而非醫療事實。

三、案例情境

原書新增 Priority 欄，先人工填 L2:L6，再在 L7 輸入 =NUM.INFER(E2:E6, L2:L6, [@Diagnosis])。

四、開始資料

五、Excel／R／AI 分析方法

先建立 5 筆 input-label pairs，L7 測一筆新值，確認結果合理後再拖 Fill Handle。原書指出執行期間可能顯示 Busy。

六、計算結果

Figure 11-4 顯示 Priority 欄完成分類，但 A 檔正文沒有列出每筆 Diagnosis 對應的正式 priority，因此本頁不補造具體標籤。

七、結果分析與管理解讀

這個示範的 priority 是由少量示例推論，不代表臨床分級標準。對真實醫療決策不可把 add-in 產生的分類直接當專業判斷；本書資料本身也是 synthetic dataset。

八、AI 提問詞

請根據我提供的 examples 與 labels 對新 Diagnosis 分類，但同時標示你是依示例模式推論，不要聲稱這是正式醫療 priority guideline。若新值與示例差異過大，標成待人工確認。

九、思考／情境變動

**問題：**若 E2:E6 的人工 labels 本身不一致，NUM.INFER 的結果會可靠嗎？