scikit-learn-Workflows für maschinelles Lernen erstellen
Machine-Learning-Projekte benötigen konsistente Muster für Preprocessing, Evaluierung und Modellauswahl. Dieser Skill gibt Claude, Codex und Claude Code gezielte scikit-learn-Anleitungen mit Referenzen und Beispielen.
Kopieren Sie diese Anfrage in Ihren Agent. Sie enthält die maßgebliche Skill-Seite und das Manifest.
Review the Skillstore skill "scikit-learn" from https://skillstore.io/skills/davila7-scikit-learn.md and its manifest at https://skillstore.io/api/skills/davila7-scikit-learn/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.Ihr Agent sollte weiterhin seinen Plan anzeigen und alle von der Sicherheitsrichtlinie verlangten Bestätigungen anfordern.
Verwenden Sie diese Links, wenn ein KI-Agent, Crawler oder Skript sauberen Kontext benötigt, statt die vollständige Seite zu lesen.
„scikit-learn“ wird verwendet. Ich muss Kundenabwanderung mit numerischen und kategorialen Spalten klassifizieren.
Erwartetes Ergebnis:
Ein Pipeline-Plan mit Split-Strategie, ColumnTransformer-Schritten, Kandidatenklassifikatoren, Scoring-Metriken und Validierungsprüfungen.
„scikit-learn“ wird verwendet. Ich möchte Kundensegmente ohne Labels finden.
Erwartetes Ergebnis:
Ein Clustering-Workflow mit Skalierung, K-Auswahl, Algorithmenvergleich, Silhouettenanalyse und Anleitung zur PCA-Visualisierung.
„scikit-learn“ wird verwendet. Mein Modell schneidet in der Validierung gut ab, aber schlecht bei neuen Daten.
Erwartetes Ergebnis:
Eine Diagnose-Checkliste zu Leakage, Split-Strategie, Metrikwahl, Overfitting, Feature Drift und einfacheren Modellalternativen.
All 89 static findings are false positives caused by Python import formatting, machine learning terminology, documented local caching, Markdown backticks, and official documentation links. No prompt injection, credential access, exfiltration, unsafe dynamic execution, or hostile intent was found.
Teile den versionierten Bewertungsbericht, das neutrale Badge, die Einbettungskarte und Zitate. Skillstore berichtet Nachweise, ohne zu entscheiden, ob dieser Skill sicher ist.
https://skillstore.io/skills/davila7-scikit-learn/audits/9?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report[](https://skillstore.io/skills/davila7-scikit-learn?utm_source=security_passport_badge)<a href="https://skillstore.io/skills/davila7-scikit-learn?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/davila7-scikit-learn/security.svg" alt="Skillstore security assessment" loading="lazy"></a><iframe src="https://skillstore.io/embed/skills/davila7-scikit-learn.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>davila7. (2026). scikit-learn security audit report (audit version 9) [Author version unspecified]. Skillstore. https://skillstore.io/skills/davila7-scikit-learn/audits/9@techreport{davila7-davila7-scikit-learn-2026,
author = {davila7},
title = {scikit-learn security audit report (audit version 9)},
institution = {Skillstore},
year = {2026},
number = {9},
url = {https://skillstore.io/skills/davila7-scikit-learn/audits/9},
note = {Author version unspecified}
}cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "scikit-learn security audit report (audit version 9)"
version: "unspecified"
type: report
authors:
- name: "davila7"
date-released: "2026-07-23"
url: "https://skillstore.io/skills/davila7-scikit-learn/audits/9"
identifiers:
- type: other
value: "skillstore:davila7-scikit-learn:audit:9"
description: "Skillstore immutable audit report identifier"
Jeder Autor bleibt ein eigener installierbarer Skill. Die empfohlene Variante wird nach Skillstore-Nachweisen bewertet.
Warum diese Variante zuerst steht
davila7-scikit-learn
2026-09-09
k-dense-ai-scikit-learn
2026-09-09
Erstelle einen Train/Test-Split, eine Preprocessing-Pipeline, Kandidatenmodelle und einen Evaluierungsplan für eine tabellarische Klassifikationsaufgabe.
Nutze Pipeline- und ColumnTransformer-Muster, um Preprocessing, Training und Validierung über Experimente hinweg konsistent zu halten.
Vergleiche Clustering-Algorithmen, wähle Metriken aus und visualisiere Gruppen mit Dimensionsreduktion.
Erstelle eine einfache scikit-learn-Klassifikationspipeline für meinen tabellarischen Datensatz. Beziehe Train/Test-Split, Preprocessing und Evaluierungsmetriken ein.
Vergleiche mehrere scikit-learn-Modelle für dieses Problem: [describe dataset and target]. Empfiehl Metriken und eine Cross-Validation-Strategie.
Erstelle einen Preprocessing-Workflow für gemischte numerische und kategoriale Daten mit ColumnTransformer und Pipeline. Erkläre, wie Data Leakage vermieden wird.
Entwirf einen fortgeschrittenen Plan zur Modellauswahl mit nested cross-validation, custom scoring und Hyperparameter-Tuning für [objective]. Beziehe Leakage-Prüfungen und Reporting-Anleitungen ein.
Autor
davila7Lizenz
MIT
Skillstore-Revision
r2
Versionshinweis
Der Autor hat keine Version angegeben.
Ref.
c43861a65bb95efcae259cd161c9d6f4dc7eec6f
Aktualität der Wartung
25.7.2026
Nutzung
7 Downloads · 231 Aufrufe
LaTeX-Forschungsposter erstellen
Forschungsposter sind in LaTeX schwer zu formatieren und für den Druck zu prüfen. Dieser Skill bietet Vorlagen, Layout-Anleitung und PDF-Prüfungen für konferenzfertige Poster.
SEO-fertige Marketinginhalte erstellen
Marketingteams benötigen klare Inhalte, die zur Markenstimme und zu Suchzielen passen. Diese Skill bietet Vorlagen, Analyseskripte und plattformspezifische Leitlinien für eine wiederholbare Content-Produktion.
Strukturierte medizinische Behandlungspläne erstellen
Klinische Behandlungspläne werden häufig uneinheitlich, lang oder schwer überprüfbar. Dieser Skill bietet fokussierte Vorlagen, messbare Ziele, Zeitpläne und lokale Qualitätsprüfungen.
Strukturierte klinische Berichte erstellen
Klinische Teams benötigen klare Berichte, die medizinischen und regulatorischen Standards entsprechen. Dieser Skill stellt Vorlagen, Checklisten und Validierungshinweise für Fallberichte, Diagnostik, Studien und Patientennotizen bereit.
Wissenschaftliche Datendateien analysieren
Wissenschaftliche Datendateien sind schwer zu untersuchen, da jedes Format Strukturen und Metadaten anders speichert. Dieser Skill erkennt Formate, erstellt Datenqualitätsprofile und erzeugt praxisorientierte EDA-Berichte im Markdown-Format.
DiffDock-Workflows für molekulares Docking ausführen
Die Einrichtung molekularer Docking-Verfahren scheitert häufig daran, dass Eingaben, Parameter und Konfidenzwerte schwer aufeinander abzustimmen sind. Dieser Skill führt durch DiffDock-Workflows von der Vorbereitung bis zur Prüfung der Ergebnisse.
Datenwissenschaftliche Experimente und Modelle entwerfen
von alirezarezvani
Data-Science-Projekte scheitern häufig, wenn Experimenten, Features und Modellen eine klare statistische Struktur fehlt. Dieser Skill bietet Claude, Codex und Claude Code geführte Workflows für Experimentieren, Feature Engineering und Modellprüfung.
ML-Workflows auf versteckte Antipatterns validieren
von Doyajin174
ML-Projekte können präzise wirken, während Data Leakage oder schwache Evaluation schwerwiegende Mängel verbergen. Dieser Skill führt durch strukturierte Prüfungen für Splits, Metriken, Training und Deployment-Bereitschaft.
Therapeutische ML-Datensätze mit PyTDC analysieren
von K-Dense-AI
Teams in der Wirkstoffforschung benötigen zuverlässige Datensätze und faire Bewertungsprotokolle. Diese Skill hilft Claude dabei, PyTDC für kuratierte therapeutische ML-Daten, Benchmark-Splits, Metriken und molekulare Orakel zu verwenden.
Mathematische Ausdrücke schnell berechnen
von Decalogue
Manuelle Rechenprüfungen bremsen Agenten aus, wenn Nutzer schnelle numerische Antworten benötigen. Dieser Skill wertet grundlegende mathematische Ausdrücke aus und liefert knappe Ergebnisse.
ML-Trainingsfehler debuggen
von DNYoussef
ML-Training kann durch NaN-Loss, Overfitting, langsame Konvergenz oder instabile Gradienten fehlschlagen. Diese Skill führt durch Diagnose, gezielte Korrekturen, Validierung und Reporting.
Bilder mit Azure AI Vision Python analysieren
von sickn33
Workflows zur Bildanalyse benötigen Bildunterschriften, OCR, Erkennung und Zuschneiden, ohne SDK-Beispiele neu aufzubauen. Diese Skill führt Claude, Codex und Claude Code durch Azure AI Vision Image Analysis für Python.