登录
下载
Skill UI
浏览并发现
9746+
精选技能
全部
编程开发
人工智能
设计创意
产品商业
数据科学
市场营销
职场通用
效率工具
硬件工程
语言学习
搜索
特征化
,共找到
11
条记录
默认排序
最新上传
最多下载
NFT稀有度分析与排名
analyzing-nft-rarity
jeremylongshore/claude-code-plugins-plus-skills
485
这是一个用于深度分析非同质化代币(NFT)的专业工具。它能够从OpenSea等API获取集合元数据,解析和标准化NFT的属性特征,并使用多种算法(如稀有度得分、信息熵)计算出精确的稀有度分数。用户可以使用它对整个系列进行排名、比较特定代币或分析特征分布,结果支持JSON或CSV导出,非常适用于加密艺术品和区块链资产的研究。
查看详情
数据驱动特征开发流程
data-engineering-data-driven-feature
sickn33/antigravity-awesome-skills
229
这是一个端到端的、系统化的产品功能开发流程。它指导用户利用数据洞察来构建新功能,覆盖了从探索性数据分析、构建可量化业务假设、设计统计学A/B测试,到设计数据管道和实现全链路埋点(instrumentation)的全过程。确保所有功能迭代都基于数据科学的严谨验证和效果衡量。
查看详情
高级数据科学家技能
senior-data-scientist
alirezarezvani/claude-skills
348
指导高级数据科学家用 Python、R、SQL 及 Scikit-learn、XGBoost、MLflow 完成实验设计、特征构建、模型训练与评估,并将统计洞察转化为业务决策。
查看详情
科学数据探索分析
exploratory-data-analysis
K-Dense-AI/claude-scientific-skills
414
自动识别 200+ 科学数据格式,提取元数据、评估数据质量、推荐可视化方案,并生成 Markdown 报告,帮助科研人员在后续分析前全面把握数据结构与特征。
查看详情
分子特征化中心
molfeat
K-Dense-AI/claude-scientific-skills
255
Molfeat 是一个 Python 库,集成 100+ 分子特征器、转换器与预训练模型,用于 QSAR、虚拟筛选、相似性搜索和深度学习等分子 ML 场景。
查看详情
中医体质分析器
tcm-constitution-analyzer
sickn33/antigravity-awesome-skills
493
分析中医体质数据,识别主导与兼夹体质,评估体质特征、风险和变化趋势,并生成个性化养生建议,可关联营养、运动、睡眠等健康数据。
查看详情
数据图表可视化生成
chart-visualization
bytedance/deer-flow
170
该技能提供了一个全面的数据可视化流程,能够接收用户数据,并根据数据的特征(如时间趋势、类别比较、流程关系等)智能选择最合适的图表类型(如折线图、柱状图、饼图、散点图等)。它负责参数提取和调用JS脚本,最终输出高质量的图表图片和完整的生成参数。
查看详情
深化学:化学与生物机器学习
deepchem
K-Dense-AI/scientific-agent-skills
396
DeepChem是一个全面的Python库,用于将机器学习应用于化学、生物和材料科学领域。它支持分子属性预测(如ADMET、毒性)、药物发现和材料设计等。该技能集提供了多种特征化方法(指纹、描述符、图表示),可处理SMILES和SDF等多种数据格式,支持高性能的图神经网络(GNN)模型。
查看详情
分子特征化库用于机器学习
molfeat
K-Dense-AI/scientific-agent-skills
302
Molfeat是一个全面的Python库,用于将化学结构(如SMILES字符串)转换为数值特征向量。它集成了超过100种预训练和手工设计的分子特征提取器(如ECFP, MACCS, ChemBERTa)。本工具是构建QSAR模型、进行虚拟筛选、相似性搜索以及在分子数据集上训练深度学习模型的关键辅助工具。
查看详情
SHAP:模型可解释性与可理解性
shap
K-Dense-AI/scientific-agent-skills
111
SHAP(Shapley Additive exPlanations)提供基于Shapley值的统一框架,用于深度解释复杂的机器学习模型预测。它可以计算每个特征对模型输出的贡献度,帮助用户理解模型做出判断的依据。本技能支持生成瀑布图、特征重要性热力图等可视化结果,适用于模型可解释性、调试和公平性分析,支持各类模型。
查看详情
UMAP降维:可视化与特征提取
umap-learn
K-Dense-AI/scientific-agent-skills
56
UMAP是一种强大的非线性降维技术,用于可视化高维数据和进行聚类预处理。它能够高效地保留数据的局部和全局结构,并支持监督/半监督学习。该工具适用于数据探索、维度降低以及复杂的机器学习模型构建。
查看详情
1
语言
简体中文
English