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

搜索聚类，共找到 11 条记录

默认排序最新上传最多下载

Databricks性能调优指南

databricks-performance-tuning

jeremylongshore/claude-code-plugins-plus-skills

本指南提供了一套全面的Databricks性能优化方案。涵盖了针对不同工作负载（如ETL、ML、流式）的集群配置推荐、Spark参数调优、以及Delta Lake的深度优化策略（如Z-Ordering和液体聚类）。帮助用户快速诊断和解决数据处理慢、效率低下的数据问题。

聚类分析助手

running-clustering-algorithms

jeremylongshore/claude-code-plugins-plus-skills

自动化运行 K-means、DBSCAN 或层次聚类，完成预处理、校验、指标计算和可视化，便于识别数据中的群体结构与异常点。

Aeon 时间序列机器学习

K-Dense-AI/claude-scientific-skills

Aeon 是兼容 scikit-learn 的时间序列机器学习工具，涵盖分类、回归、聚类、预测、异常检测、分割、相似搜索与特征提取，面向各类时序数据场景。

Datamol化学信息工具

K-Dense-AI/claude-scientific-skills

Datamol 提供 rdkit 的 Python 化封装，简化 SMILES/SELFIES/InChI 解析、结构标准化、分子描述符/指纹、聚类、3D 构象、并行批处理及云存储读写等药物发现流程，并保持与 rdkit.Chem.Mol 对象的兼容性。

Scanpy 单细胞分析流程

K-Dense-AI/claude-scientific-skills

Scanpy 是一个可扩展的 Python 工具包，用于处理单细胞 RNA-seq 数据，包含质控、归一化、降维、聚类、标志基因识别、细胞类型注释及高质量可视化，适用于 h5ad/10X/CSV 格式。

UMAP 高效降维可视化

K-Dense-AI/claude-scientific-skills

UMAP 提供快速非线性流形降维，可生成保留局部与全局结构的嵌入，适合可视化、聚类预处理、以及监督/半监督学习等高维数据场景。

Aeon时间序列机器学习工具包

K-Dense-AI/scientific-agent-skills

Aeon是一个兼容scikit-learn的Python时间序列机器学习工具包。它提供了一个统一的API，用于处理时间序列数据的分类、回归、聚类、预测（Forecasting）、异常检测、分段和模式识别等多种高级任务。适用于需要对时间依赖性数据进行专业分析的场景。

基因组区间机器学习工具箱

K-Dense-AI/scientific-agent-skills

Geniml是一个用于在基因组区间数据（BED文件）上进行机器学习分析的Python工具包。它提供了一系列先进的无监督方法，用于学习基因组区域、单细胞（scATAC-seq）和元数据的嵌入表示。核心功能包括Region2Vec、BEDspace、scEmbed等，支持构建共识峰集（Universe），可用于基因组学研究中的聚类和特征提取。

单细胞RNA测序分析流程

K-Dense-AI/scientific-agent-skills

该技能提供了一个完整的单细胞RNA测序（scRNA-seq）分析流程。它指导用户完成从数据质量控制、归一化、降维（PCA/UMAP/t-SNE），到细胞聚类和标记基因识别等所有关键步骤，是进行生物学探索性研究和生成高质量图表的必备工具。

UMAP降维：可视化与特征提取

K-Dense-AI/scientific-agent-skills

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。

社交媒体缺陷报告聚类

jeremylongshore/claude-code-plugins-plus-skills

该技能是内部流程，用于处理原始的X/Twitter帖子，将其转化为结构化的缺陷报告。其流程包括解析、内容去重、PII脱敏、可靠性评分和分类，最终利用签名算法将相关的缺陷报告进行聚类。适用于大规模社交媒体缺陷工单的高效分流与分析。

1

语言