Przejdź do treści
Biblioteka skilli
Nauka i badania · Budowanie i kod

ml-pipeline

/ml-pipeline

Buduje potok uczenia maszynowego dla badań naukowych: przygotowanie danych, inżynierię cech, dobór modelu, trenowanie, ewaluację i interpretację, w tym walidację krzyżową, strojenie hiperparametrów i wyjaśnialność.

Repozytorium
scienceclaw ↗
Licencja
MIT
Ostatnia zmiana repozytorium
07.10.2026

Ocena i bezpieczeństwo

100/ 100Klasa: dobry
Format25 / 25
Frontmatter z nazwą i opisem, poprawna nazwa, opis do 1024 znaków, nazwa zgodna z folderem.
Odkrywalność25 / 25
Opis mówi, kiedy użyć skilla, ma sensowną długość i jest w 3. osobie.
Treść35 / 35
Co najmniej 150 słów i do 500 linii, nagłówki, listy kroków, przykłady albo kod.
Higiena15 / 15
Bez zaślepek typu TODO, bez ścieżek Windows, z licencją.
Ryzykobrak sygnałów w skanie
Pliki w paczce
1
Skrypty
0
Komentarze HTML
0
Adresy URL w SKILL.md
0
Przestarzałość

Brak sygnałów. Repozytorium zmienione 07.10.2026, bez odwołań do wycofanych modeli i API.

Licencja

MIT, otwarta: można używać i zmieniać, z zachowaniem informacji o autorze.

Co robi i kiedy

Buduje potok uczenia maszynowego dla badań naukowych: przygotowanie danych, inżynierię cech, dobór modelu, trenowanie, ewaluację i interpretację, w tym walidację krzyżową, strojenie hiperparametrów i wyjaśnialność.

Wyzwalacze z opisu

machine learningclassificationclusteringrandom forestneural networkdeep learningpredictfeature selection
Oryginalny opis (EN)

Machine learning pipeline for scientific research including data preprocessing, feature engineering, model selection, training, evaluation, and interpretation. Covers supervised/unsupervised learning, deep learning, cross-validation, hyperparameter tuning, and model explainability. Use when user asks to build a predictive model, classify data, cluster samples, do feature selection, or apply ML to research data. Triggers on "machine learning", "classification", "clustering", "random forest", "neural network", "deep learning", "predict", "feature selection", "cross-validation", "train model".

Jak działa

  1. Pipeline Overview
  2. Model Selection Guide
  3. Standard Pipeline
  4. Feature Importance & Explainability
  5. Unsupervised Learning
  6. Reporting ML Results in Papers
  7. Tips
Sekcje z nagłówków SKILL.md, w oryginale · 123 linii, 496 słów
Podgląd SKILL.md
---
name: ml-pipeline
description: Machine learning pipeline for scientific research including data preprocessing, feature engineering, model selection, training, evaluation, and interpretation. Covers supervised/unsupervised learning, deep learning, cross-validation, hyperparameter tuning, and model explainability. Use when user asks to build a predictive model, classify data, cluster samples, do feature selection, or apply ML to research data. Triggers on "machine learning", "classification", "clustering", "random forest", "neural network", "deep learning", "predict", "feature selection", "cross-validation", "train model".
---

# ML Pipeline

Machine learning for scientific research. Venv: `source /Users/zhangmingda/clawd/.venv/bin/activate`

## Pipeline Overview

```
Data → Clean → Features → Split → Train → Evaluate → Interpret → Report
```

## Model Selection Guide

| Task | Data Size | Interpretability Need | Recommended |
|------|-----------|----------------------|-------------|
| Classification (small) | < 10K | High | Logistic Regression, Decision Tree |
| Classification (medium) | 10K-100K | Medium | Random Forest, XGBoost |
| Classification (large) | > 100K | Low OK | Neural Network, XGBoost |
| Regression (linear) | Any | High | Linear/Ridge/Lasso |
| Regression (nonlinear) | Medium+ | Medium | Random Forest, Gradient Boosting |
| Clustering | Any | Medium | K-Means, DBSCAN, Hierarchical |
| Dimensionality reduction | Any | Medium | PCA, t-SNE, UMAP |
| Anomaly detection | Any | Medium | Isolation Forest, LOF |
| Time series | Any | Varies | ARIMA, Prophet, LSTM |

## Standard Pipeline

```python
import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split, cross_val_score, GridSearchCV
from sklearn.preprocessing import StandardScaler, LabelEncoder
from sklearn.metrics import classification_report, confusion_matrix, roc_auc_score
from sklearn.ensemble import RandomForestClassifier, GradientBoostingClassifier
from sklearn.linear_model import LogisticRegression
from sklearn.pipeline import Pipeline

# 1. Preprocessing
X = df.drop('target', axis=1)
y = df['target']
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42, stratify=y)

# 2. Pipeline with scaling
pipe = Pipeline([
    ('scaler', StandardScaler()),
    ('model', RandomForestClassifier(random_state=42))
])

# 3. Cross-validation
scores = cross_val_score(pipe, X_train, y_train, cv=5, scoring='roc_auc')
print(f"CV AUC: {scores.mean():.3f} ± {scores.std():.3f}")

# 4. Hyperparameter tuning
param_grid = {
    'model__n_estimators': [100, 300, 500],
    'model__max_depth': [5, 10, None],
    'model__min_samples_leaf': [1, 5, 10]
}
grid = GridSearchCV(pipe, param_grid, cv=5, scoring='roc_auc', n_jobs=-1)
grid.fit(X_train, y_train)

# 5. Evaluation
y_pred = grid.predict(X_test)
print(classification_report(y_test, y_pred))
print(f"Test AUC: {roc_auc_score(y_test, grid.predict_proba(X_test)[:,1]):.3f}")
```

## Feature Importance & Explainability

```python
# Built-in importance (tree models)
importances = grid.best_estimator_.named_steps['model'].feature_importances_
feat_imp = pd.Series(importances, index=X.columns).sort_values(ascending=False)

# SHAP values (model-agnostic)
# pip install shap
import shap
explainer = shap.TreeExplainer(model)
shap_values = explainer.shap_values(X_test)
shap.summary_plot(shap_values, X_test)
```

## Unsupervised Learning

```python
from sklearn.cluster import KMeans, DBSCAN
from sklearn.decomposition import PCA
from sklearn.manifold import TSNE

# PCA
pca = PCA(n_components=0.95)  # retain 95% variance
X_pca = pca.fit_transform(X_scaled)
print(f"Components: {pca.n_components_}, Explained variance: {pca.explained_variance_ratio_.cumsum()[-1]:.3f}")

# K-Means with elbow method
inertias = [KMeans(n_clusters=k, random_state=42).fit(X_scaled).inertia_ for k in range(2, 11)]

# t-SNE visualization
X_tsne = TSNE(n_components=2, random_state=42, perplexity=30).fit_transform(X_scaled)
```

## Reporting ML Results in Papers

Always include:
1. Dataset description (size, features, class balance)
2. Preprocessing steps
3. Model selection rationale
4. Cross-validation strategy (k-fold, stratified, leave-one-out)
5. Hyperparameter search space and method
6. Multiple metrics (accuracy, precision, recall, F1, AUC)
7. Comparison with baselines
8. Feature importance / model interpretation
9. Confidence intervals or statistical tests on performance
10. Code/data availability statement

## Tips
- Always use stratified splits for imbalanced data
- Report multiple metrics, not just accuracy
- Compare against simple baselines (majority class, mean prediction)
- Use nested CV for unbiased performance estimation
- Check for data leakage (especially with time series)
- Document random seeds for reproducibility

Wersje

RepozytoriumWynikLicencja
Ta strona · beita6969/scienceclaw100MIT
Jeffallan/claude-skills100MIT
nimadorostkar/Claude-Skills-collection100MIT
sandbaseai/sandbase-skills90Apache-2.0

Identyczna treść występuje jeszcze w 1 innych folderach na GitHubie. Tu pokazujemy jedną, najlepiej ocenioną kopię.

Migawka bazy z 28.10.2026 · wersja paczki bad9ca136c19 (skrót SHA-256 całej paczki)

Pobrania w ostatnich 30 dniach: 0 · ranking

Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.

Podobne skille

  • 100scikit-learn
    Pomaga budować, oceniać i wdrażać modele uczenia maszynowego w scikit-learn: preprocessing, feature engineering, dobór modeli, strojenie hiperparametrów, walidacja krzyżowa i pipeline'y.
  • 90data-scientist-pro
    Prowadzi analizę danych i statystykę: EDA, inżynierię i selekcję cech, budowę modeli ML, strojenie hiperparametrów z walidacją krzyżową, interpretację SHAP i przekład wyników na biznes.
  • 100building-automl-pipelines
    Buduje zautomatyzowane potoki uczenia maszynowego z inżynierią cech, doborem modelu i strojeniem hiperparametrów, od przygotowania danych po wdrożenie modelu.
  • 100building-automl-pipelines
    Buduje zautomatyzowane potoki uczenia maszynowego z inżynierią cech, doborem modelu i strojeniem hiperparametrów, od przygotowania danych po wdrożenie modelu.
  • 100model-training
    Trenuje modele uczenia maszynowego od początku do końca: ładowanie danych, preprocessing, dobór architektury, pętle treningowe, walidacja i checkpointy.
  • 95scikit-learn
    Podpowiada użycie scikit-learn w Pythonie: klasyfikację, regresję, klasteryzację, dobór hiperparametrów i potoki przetwarzania.

Uwagi i zgłoszenia

Wiadomość trafi do Bartosza Sokolińskiego. Adres e-mail jest potrzebny tylko do odpowiedzi. Szczegóły w polityce prywatności.