下载

Skill UI

浏览并发现 10582+ 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

搜索降维，共找到 8 条记录

默认排序最新上传最多下载

特征工程工具集

engineering-features-for-machine-learning

jeremylongshore/claude-code-plugins-plus-skills

该技能借助 feature-engineering-toolkit 插件自动创建、筛选和转化特征，用于提升机器学习模型的准确性和解释性，适合构造交互特征、降维或归一化等预处理场景。

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。

Umap 可视化工具

sickn33/antigravity-awesome-skills

Umap 提供一致性流形近似的降维与可视化能力，适合从复杂高维数据中提取结构，在 2D/3D 布局中探索嵌入关系。

基因组区间机器学习

K-Dense-AI/scientific-agent-skills

Geniml是一个用于对基因组区间数据（BED文件）进行机器学习建模的Python工具包。它提供了多种无监督方法（如Region2Vec和BEDspace），用于学习基因组区域、单细胞（scATAC-seq）和元数据关联的鲁棒嵌入。适用于基因组学研究中的降维、聚类、细胞类型注释和跨模态查询等任务。

单细胞RNA测序分析

K-Dense-AI/scientific-agent-skills

这是一个功能全面的Python工具包，用于执行从原始数据到最终细胞类型注释的单细胞RNA测序（scRNA-seq）分析。它支持质量控制（QC）、数据标准化、降维（PCA/UMAP/t-SNE）、细胞聚类和差异基因表达分析等全流程。用户可以使用内置的脚本处理多种格式的数据，生成高质量的生物学图谱和注释报告。

Python机器学习开发指南

K-Dense-AI/scientific-agent-skills

本技能提供使用scikit-learn进行全流程机器学习任务的综合指南。它涵盖了从数据预处理到模型构建的全过程，支持监督学习（分类、回归）、无监督学习（聚类、降维）和模型性能评估，帮助用户构建工业级ML流水线。

UMAP非线性降维与可视化

K-Dense-AI/scientific-agent-skills

UMAP是一种强大的非线性降维技术，用于将高维数据映射到低维空间（如2D/3D）。本工具支持用于数据可视化、聚类预处理和特征工程，能够保留数据的高维结构，并支持监督学习和多种距离度量指标。

1

语言