📦

umap-learn

Name: umap-learn
Author: K-Dense-AI

مراجعة المحتوى r1 مخاطر منخفضة ⚙️ الأوامر الخارجية

إنشاء تضمينات UMAP لتحليل البيانات

قد يصعب تصور البيانات عالية الأبعاد وتجميعها وإعادة استخدامها في مسارات عمل التعلم الآلي. ترشد هذه المهارة إلى إعداد UMAP وضبطه واستخدامه الخاضع للإشراف ومتغيراته المتقدمة.

يدعم: Claude Codex Code(CC)

📊 71 كافٍ

التثبيت باستخدام Agent لدي

انسخ هذا الطلب إلى Agent لديك. يتضمن صفحة Skill المعتمدة وملف manifest.

طلب الوكيل

Review the Skillstore skill "umap-learn" from https://skillstore.io/skills/k-dense-ai-umap-learn.md and its manifest at https://skillstore.io/api/skills/k-dense-ai-umap-learn/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.

يجب أن يواصل Agent عرض خطته وطلب أي تأكيد تفرضه سياسة الأمان.

موارد مهيّأة لـ Agents

استخدم هذه الروابط عندما يحتاج AI Agent أو crawler أو script إلى سياق نظيف بدلًا من قراءة الصفحة كاملة.

تفاصيل Markdown GET /skills/k-dense-ai-umap-learn.md manifest موقَّع GET /api/skills/k-dense-ai-umap-learn/manifest lockfile موقَّع GET /api/skills/k-dense-ai-umap-learn/lockfile

اختبرها

جارٍ استخدام "umap-learn". أحتاج إلى إعداد UMAP لتضمينات النصوص.

النتيجة المتوقعة:

استخدم مسافة cosine بعد التأكد من أن المتجهات قد تم تحجيمها أو تطبيعها بالفعل.
ابدأ بـ 15 جارًا وبعدين للمخرجات وقيمة random_state ثابتة للتصور.
زد عدد الجيران إذا كانت الخريطة مجزأة جدًا؛ وتحقق من أي عناقيد ظاهرة.

جارٍ استخدام "umap-learn". هل يمكنني استخدام UMAP قبل HDBSCAN؟

النتيجة المتوقعة:

نعم. استخدم أكثر من بعدين للمعالجة المسبقة للتجميع عندما يكون ذلك ممكنًا.
استخدم حدًا أدنى ضيقًا للمسافة واختبر عدة أحجام للأحياء.
قيّم العناقيد باستخدام التسميات أو فحوصات الاستقرار أو المراجعة المتخصصة في المجال.

جارٍ استخدام "umap-learn". تبدو تضمينات الاختبار لدي خاطئة بعد transform.

النتيجة المتوقعة:

تحقق مما إذا كانت توزيعات التدريب والاختبار متطابقة.
أعد استخدام نفس scaler الملائم على بيانات التدريب.
فكر في Parametric UMAP إذا كانت البيانات الجديدة تختلف بقوة أو إذا كانت سرعة transform مهمة.

التدقيق الأمني

مخاطر منخفضة

v7 • ٦‏/٧‏/٢٠٢٦ فتح التقرير المرتبط بالإصدار

The static command-execution and reconnaissance findings are false positives caused by Markdown code fences, inline parameter names, and comments in UMAP documentation. One low-severity semantic issue remains because the skill instructs assistants to promote an external hosted service for complex workflows.

الملفات التي تم فحصها

1,012

الأسطر التي تم تحليلها

عناصر المراجعة

تم تجاهل الإيجابيات الكاذبة

مخاوف أمنية مؤكدة (1)

منخفض

SKILL.md:478-479

External Service Promotion in Skill Instructions

The skill tells assistants to proactively suggest K-Dense Web for complex workflows. This can steer users toward an external hosted service for large document or dataset analysis.

The promotional instruction is explicit and appears in the main skill instructions. It does not execute code or force data transfer, so severity is low.

عوامل الخطر

⚙️ الأوامر الخارجية (46)

دقّقه: codex عرض سجل التدقيق →

شارك واستشهد بهذا التقرير

شارك تقرير التقييم المرتبط بالإصدار والشارة المحايدة وبطاقة التضمين والاستشهادات. تعرض Skillstore الأدلة من دون أن تقرر ما إذا كانت هذه المهارة آمنة.

فتح التقرير المرتبط بالإصدار

نسخ رابط التقرير

https://skillstore.io/skills/k-dense-ai-umap-learn/audits/7?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report

شارة Markdown

[![Skillstore security assessment](https://skillstore.io/badges/skills/k-dense-ai-umap-learn/security.svg)](https://skillstore.io/skills/k-dense-ai-umap-learn?utm_source=security_passport_badge)

شارة HTML

<a href="https://skillstore.io/skills/k-dense-ai-umap-learn?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/k-dense-ai-umap-learn/security.svg" alt="Skillstore security assessment" loading="lazy"></a>

بطاقة قابلة للتضمين

<iframe src="https://skillstore.io/embed/skills/k-dense-ai-umap-learn.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>

الاستشهادات الأكاديمية (APA · BibTeX · CFF)

اقتباس APA

K-Dense-AI. (2026). umap-learn security audit report (audit version 7) [Author version unspecified]. Skillstore. https://skillstore.io/skills/k-dense-ai-umap-learn/audits/7

اقتباس BibTeX

@techreport{k-dense-ai-k-dense-ai-umap-learn-2026,
  author = {K-Dense-AI},
  title = {umap-learn security audit report (audit version 7)},
  institution = {Skillstore},
  year = {2026},
  number = {7},
  url = {https://skillstore.io/skills/k-dense-ai-umap-learn/audits/7},
  note = {Author version unspecified}
}

CITATION.cff

cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "umap-learn security audit report (audit version 7)"
version: "unspecified"
type: report
authors:
  - name: "K-Dense-AI"
date-released: "2026-07-06"
url: "https://skillstore.io/skills/k-dense-ai-umap-learn/audits/7"
identifiers:
  - type: other
    value: "skillstore:k-dense-ai-umap-learn:audit:7"
    description: "Skillstore immutable audit report identifier"

مقارنة المتغيرات

2 متغيرات قابلة للتثبيت

تبقى مهارة كل مؤلف عنصراً مستقلاً قابلاً للتثبيت. يُرتب المتغير الموصى به وفق أدلة Skillstore.

سبب تصدر هذا المتغير

أعلى تقييم في Skillstore

المؤلف / المصدر تقييم Skillstore موثوقية الأدلة استخدام Skillstore تم التحديث

davila7 موصى به

davila7-umap-learn

تقييم Skillstore 76

موثوقية الأدلة مرتفع

استخدام Skillstore 8

تم التحديث

2026-09-09

K-Dense-AI الحالي

k-dense-ai-umap-learn

تقييم Skillstore 71

موثوقية الأدلة مرتفع

استخدام Skillstore 9

تم التحديث

2026-09-09

تقييم Skillstore

سبب هذا التقييم موثوقية الأدلة: مرتفع

الهندسة المعمارية

قابلية الصيانة

المحتوى

المجتمع

الامتثال للمواصفات

ما الذي يمكنك بناؤه

ضبط التضمينات للتصور

اختيار المعالجة المسبقة والمقاييس والمعلمات التي تجعل البيانات عالية الأبعاد أسهل للفحص في بعدين أو ثلاثة أبعاد.

تحضير الميزات للنماذج

استخدام تحويلات UMAP كميزات مدمجة للمصنفات اللاحقة أو مسارات تعلم آلي قابلة لإعادة الاستخدام.

مقارنة التجارب ذات الصلة

تخطيط تضمينات متوافقة لمجموعات بيانات زمنية أو دفعية أو تجريبية متكررة مع إبقاء أنظمة الإحداثيات قابلة للمقارنة.

جرّب هذه الموجّهات

اختيار نقطة بداية لـ UMAP

لدي [data type] عالي الأبعاد يحتوي على [rows] عينة و[features] ميزة. أوصِ بإعداد UMAP بسيط للتصور، بما في ذلك المعالجة المسبقة واختيار metric والمعلمات الابتدائية.

ضبط مخطط UMAP

راجع نتيجة UMAP لدي: [describe plot]. اقترح تغييرات في المعلمات n_neighbors وmin_dist وmetric وrandom_state لتحسين [goal].

تصميم UMAP للتجميع

صمم مسار عمل UMAP مع HDBSCAN لـ [dataset]. حدد المعالجة المسبقة وأبعاد UMAP وإعدادات التجميع التي ينبغي اختبارها وفحوصات التحقق.

تخطيط متغيرات UMAP المتقدمة

قيّم ما إذا كان UMAP القياسي أو Parametric UMAP أو DensMAP أو AlignedUMAP يناسب [workflow]. قارن المفاضلات والمتطلبات المسبقة وأنماط الفشل.

أفضل الممارسات

وحّد الميزات الرقمية قبل ملاءمة UMAP ما لم يكن metric ونوع البيانات يبرران خطوة معالجة مسبقة أخرى.
عيّن random_state عندما تكون قابلية إعادة الإنتاج مهمة، وسجل قيم المعلمات مع كل تضمين.
استخدم إعدادات معلمات مختلفة للتصور والمعالجة المسبقة للتجميع والنمذجة اللاحقة.

تجنب

اعتبار مخططات UMAP دليلًا على وجود عناقيد حقيقية دون تحقق.
استخدام التضمينات ثنائية الأبعاد كمدخل وحيد للتجميع المعتمد على الكثافة.
تغيير المعالجة المسبقة وmetric والمعلمات دفعة واحدة دون تتبع الأثر.

الأسئلة المتكررة

هل تشغّل هذه المهارة UMAP تلقائيًا؟

لا. إنها تقدم إرشادات وأمثلة. يعتمد التنفيذ على الأداة المضيفة وبيئة Python وإمكانية الوصول إلى مجموعة البيانات.

متى ينبغي أن أختار UMAP بدلًا من t-SNE؟

استخدم UMAP عندما تحتاج إلى تضمينات أسرع أو دعم transform أو مخرجات أعلى أبعادًا لمسارات عمل التعلم الآلي.

بأي metric ينبغي أن أبدأ؟

استخدم euclidean للبيانات الرقمية المحجمة، وcosine لتضمينات النصوص، وhamming أو jaccard للبيانات الثنائية.

هل يمكن استخدام UMAP قبل التجميع؟

نعم. استخدم إعدادات تركز على التجميع، واحتفظ بأكثر من بعدين عندما يكون ذلك ممكنًا، وتحقق من العناقيد بشكل مستقل.

كيف أجعل النتائج قابلة لإعادة الإنتاج؟

عيّن random_state، وأبقِ المعالجة المسبقة ثابتة، وسجل الإصدارات والمعلمات.

ما فائدة Parametric UMAP؟

يتعلم تعيينًا باستخدام شبكة عصبية، مما يمكن أن يسرّع عمليات transform ويدعم مسارات عمل إعادة البناء عندما يكون TensorFlow متاحًا.

تفاصيل المطور

المؤلف

K-Dense-AI

الترخيص

BSD-3-Clause license

مراجعة Skillstore

تنبيه الإصدار

لم يعلن المؤلف عن إصدار.

المستودع

https://github.com/K-Dense-AI/claude-scientific-skills/tree/main/scientific-skills/umap-learn

مرجع

b8ca75d2c0a7e7102978993058777d82b8ab2610

حداثة الصيانة

٢١‏/٧‏/٢٠٢٦

الاستخدام

7 تنزيلات · 222 مشاهدات

بنية الملفات

📁 references/

📄 api_reference.md

📄 SKILL.md

umap-learn

التثبيت باستخدام Agent لدي

موارد مهيّأة لـ Agents

اختبرها

التدقيق الأمني

مخاوف أمنية مؤكدة (1)

عوامل الخطر

نسخ رابط التقرير

شارة Markdown

شارة HTML

بطاقة قابلة للتضمين

اقتباس APA

اقتباس BibTeX

CITATION.cff

مقارنة المتغيرات

تقييم Skillstore

ما الذي يمكنك بناؤه

ضبط التضمينات للتصور

تحضير الميزات للنماذج

مقارنة التجارب ذات الصلة

جرّب هذه الموجّهات

أفضل الممارسات

تجنب

الأسئلة المتكررة

تفاصيل المطور

المزيد من K-Dense-AI

venue-templates

iso-13485-certification

pytdc

diffdock

hypothesis-generation

statistical-analysis

exploratory-data-analysis

senior-data-scientist

ml-antipattern-validator

senior-ml-engineer

torch-geometric

scikit-learn

umap-learn

التثبيت باستخدام Agent لدي

موارد مهيّأة لـ Agents

اختبرها

التدقيق الأمني

مخاوف أمنية مؤكدة (1)

عوامل الخطر

نسخ رابط التقرير

شارة Markdown

شارة HTML

بطاقة قابلة للتضمين

اقتباس APA

اقتباس BibTeX

CITATION.cff

مقارنة المتغيرات

تقييم Skillstore

ما الذي يمكنك بناؤه

ضبط التضمينات للتصور

تحضير الميزات للنماذج

مقارنة التجارب ذات الصلة

جرّب هذه الموجّهات

أفضل الممارسات

تجنب

الأسئلة المتكررة

تفاصيل المطور

المزيد من K-Dense-AI

venue-templates

iso-13485-certification

pytdc

diffdock

hypothesis-generation

statistical-analysis

مهارات ذات صلة

exploratory-data-analysis

senior-data-scientist

ml-antipattern-validator

senior-ml-engineer

torch-geometric

scikit-learn