下载

Skill UI

浏览并发现 9978+ 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

搜索交叉验证，共找到 10 条记录

默认排序最新上传最多下载

交叉验证配置

cross-validation-setup

jeremylongshore/claude-code-plugins-plus-skills

为 ML 训练中的交叉验证配置提供自动化支持，涵盖数据准备、模型调优与实验跟踪的规范流程、实践示例与结果校验。

机器学习模型训练

training-machine-learning-models

jeremylongshore/claude-code-plugins-plus-skills

自动化完成机器学习模型的训练流程，包括数据分析、模型类型选择、参数配置、交叉验证训练、性能评估以及生成可复用的模型产物，适用于需要训练或评估数据集的场景。

足球实体假设与验证

football-entity-hypothesis

EverMind-AI/EverOS

本技能指导用户系统性地识别和验证足球实体（球员或俱乐部）。当搜索结果提供初步线索，或当问题提供了足够的详细约束条件（如国籍、时代、联赛）进行假设时使用。核心步骤是构建针对性的名称搜索，并交叉比对所有约束（如出生年份、职业生涯等）以确保信息准确性。

历史人物候选人验证技巧

historical-candidate-verify

EverMind-AI/EverOS

本指南提供针对历史研究的定向验证策略。当初步搜索得出候选人物名单时，应立即停止广撒网式的搜索。取而代之的是，必须使用精确的查询模板，将候选人与所有具体约束条件（如时间、地点、家庭关系、关键事件）进行交叉验证，以确认身份并排除误判。

板球运动员生涯数据验证

cricket-career-verify

EverMind-AI/EverOS

本技能用于全面验证候选板球运动员的职业生涯数据。通过交叉比对维基百科或Cricinfo等来源的结构化信息，可以确认包括出生日期、首次亮相的比赛细节（包括赛制、对手、得分）、生涯里程碑及效力球队等所有关键约束。特别注意区分ODI、T20I和Test等不同赛制，确保数据准确性。

利用音乐奖项进行艺人交叉搜索

musician-award-cross

EverMind-AI/EverOS

该技能利用音乐奖项（如格莱美提名和获奖信息）作为高度结构化、可验证的搜索锚点。通过提取奖项类别、年份和获奖状态等线索，用户可以进行交叉比对，将潜在艺人与权威奖项数据库进行比对，从而极大地缩小候选范围，实现高精度的艺人识别与验证。

学位论文双维度检索法

thesis-dual-track

EverMind-AI/EverOS

适用于进行高级学术研究的技巧。它通过运行两条平行的检索轨迹来查找学位论文：一条是“主题轨迹”（关注学科、方法论和材料），另一条是“人物轨迹”（关注大学、导师、学位类型和年份）。掌握这种双重检索方法，可以交叉验证信息，提高研究的准确性和效率。

K-12人文历史地理导师

01-k12-humanities

24kchengYe/human-skill-tree

这是一个为K-12学生设计的综合性人文辅导工具，涵盖历史、地理、政治和社科知识。它不侧重死记硬背，而是运用历史思维方法（如出处分析、背景化、证据交叉验证），帮助学生分析原始资料，理解事件的复杂成因，并建立历史与现实的联系，从而培养批判性思维和空间推理能力。

导演-电影-演员三角定位法

actor-euro-triangulation

EverMind-AI/EverOS

这是一种高级的推理技术，用于通过关联三个领域——导演信息、电影特征和演员生平细节——来间接定位和识别不为人知的演员。当直接搜索无法奏效时，该方法利用导演的代表作或电影背景作为切入点，实现身份的交叉验证和最终确认。

影视剧角色与情节交叉验证

tv-character-verification

EverMind-AI/EverOS

本技能用于影视剧的最终验证阶段。当初步找到候选剧集后，必须通过组合搜索（如：["剧名"] 角色 [角色名] 出生 [年份]）来验证其是否满足所有复杂的约束条件，包括角色细节、情节事件或演员经历。它强调对初步结果的批判性思维和逐项核对，避免误判。

1

语言