登录
下载
Skill UI
浏览并发现
15558+
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
Linear
,共找到
12
条记录
默认排序
最新上传
最多下载
回归分析助手
performing-regression-analysis
jeremylongshore/claude-code-plugins-plus-skills
210
使用 regression-analysis-tool 插件执行回归建模,分析数据、构建线性或多项式模型、验证效果并输出性能指标,帮助用户预测结果或探索变量关系。
查看详情
Python统计建模与计量分析
statsmodels
K-Dense-AI/claude-scientific-skills
456
Statsmodels是用于Python的专业统计建模和计量经济学库。它提供了一套完整的工具集,支持进行严格的统计推断,包括普通最小二乘回归(OLS)、广义线性模型(GLM)、混合效应模型和时间序列分析(ARIMA)。适用于计量经济学、生物统计学等领域,进行详细的诊断分析、系数估计和假设检验,生成专业报告。
查看详情
UMAP 高效降维可视化
umap-learn
K-Dense-AI/claude-scientific-skills
327
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。
查看详情
统计建模与计量经济学分析
statsmodels
K-Dense-AI/scientific-agent-skills
239
这是一个用于Python的专业统计分析库,专注于深度推断、诊断和严谨的计量经济学分析。它适用于进行线性回归、广义线性模型(GLM)、时间序列预测(ARIMA)和假设检验等,为学术和科研报告提供详细的统计结果。
查看详情
UMAP非线性降维嵌入工具
umap-learn
K-Dense-AI/scientific-agent-skills
322
UMAP是一种强大的非线性降维技术,用于数据可视化和特征提取。该工具能生成保留局部和全局结构的嵌入,支持监督和半监督学习。用户可以利用它进行聚类预处理、降维可视化或作为下游机器学习模型的特征输入,实现高效的维度缩减。
查看详情
成本支出预测与预算规划
cost-projection
ruvnet/ruflo
188
用于进行前瞻性的成本支出预测。它根据最近的消耗窗口计算出日均成本消耗率,并将其线性外推到7天、30天等多个时间周期。此外,如果配置了预算,系统还能预测出预算耗尽的具体时间点,特别适用于SRE和财务的成本预算规划。
查看详情
综合营销ROI与归因分析
roi-calculator
indranilbanerjee/digital-marketing-pro
54
本工具提供深度、多触点归因分析,用于计算所有营销渠道的综合投资回报率(ROI)、广告支出回报率(ROAS)和客户获取成本(CAC)。它支持线性、时间衰减等多种归因模型,结合客户生命周期价值(LTV)进行长期价值预测,为预算优化、高管报告和效率提升提供数据支持。
查看详情
科学图表撰写与规范指南
cc-figures-tables
brycewang-stanford/Awesome-Journal-Skills
192
本指南提供了撰写高影响力科学论文图表设计的全套标准,涵盖了图像完整性(如未裁剪的Western blot)、数据量化和叙事逻辑。它详细指导作者如何确保所有图表具备清晰的机制论证流,使科学证据具有最高的专业度和可信度。
查看详情
农作物统计分析与建模
fcr-data-analysis
brycewang-stanford/Awesome-Journal-Skills
323
本指南为农作物研究(FCR)提供了严谨的统计分析框架。核心功能是指导用户构建符合复杂实验设计(如分块、环境、裂区)的线性混合模型。特别强调了基因型×环境(G×E)的正确分析、效应值报告以及作物模型的独立验证,确保所有结果在方法学上具有高度可靠性和可重复性。
查看详情
高级管理学数据分析方法指南
jmgmt-data-analysis
brycewang-stanford/Awesome-Journal-Skills
287
本指南旨在提供顶尖学术期刊级别的严谨统计分析流程,涵盖结构方程模型(SEM)、多层模型(HLM)、复杂回归和元分析等高级方法。它确保用户报告的分析结果具有高度透明度和可复现性,满足顶级期刊对效应值、置信区间和稳健性检验的极高要求。
查看详情
进阶结构方程模型分析
nbr-survey-sem
brycewang-stanford/Awesome-Journal-Skills
287
本指南提供使用结构方程模型(SEM)进行高级量化研究的完整流程,适用于问卷数据分析。详细指导了复杂的因果关系检验,包括中介、调节和被调节的中介效应,并涵盖了利用多层模型(HLM)处理嵌套数据,是撰写学术论文必备的严谨统计方法。
查看详情
Python统计建模与计量分析
statsmodels
sickn33/antigravity-awesome-skills
444
Statsmodels是Python生态系统中用于进行严谨统计建模的顶级库。它提供了全面的工具,支持各类统计方法的估计、推断和诊断。适用范围广,涵盖线性回归(OLS, WLS)、广义线性模型(逻辑回归、泊松回归)以及复杂的时序分析(ARIMA),是进行计量经济学分析和生成专业统计结果的利器。
查看详情
1
语言
简体中文
English