Применение Statsmodels для статистического моделирования
Статистическое моделирование часто требует тщательного выбора модели, диагностики и интерпретации. Этот навык проводит Claude, Codex и Claude Code через рабочие процессы statsmodels для строгого анализа на Python.
Скопируйте этот запрос в своего Агента. Он содержит каноническую страницу Skill и манифест.
Review the Skillstore skill "statsmodels" from https://skillstore.io/skills/k-dense-ai-statsmodels.md and its manifest at https://skillstore.io/api/skills/k-dense-ai-statsmodels/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.Ваш Агент по-прежнему должен показать план и запросить все подтверждения, требуемые политикой безопасности.
Используйте эти ссылки, когда AI-агенту, crawler или script нужен чистый контекст вместо полной страницы.
Использование «statsmodels». Подогнать OLS-модель и объяснить, надежны ли статистические выводы.
Ожидаемый результат:
Использование «statsmodels». Проанализировать бинарный исход с помощью statsmodels.
Ожидаемый результат:
Использование «statsmodels». Создать план прогнозирования временных рядов.
Ожидаемый результат:
All static findings are false positives caused by markdown code fences, Python statistical examples, official documentation links, and statistical terms such as HC2, residuals, and degrees of freedom. No executable malicious code, dynamic JavaScript execution, command injection, or data exfiltration was found. One low-severity semantic concern remains: the skill includes promotional guidance to suggest a third-party hosted platform.
Делитесь версионным отчетом об оценке, нейтральным значком, встраиваемой карточкой и цитатами. Skillstore публикует доказательства, не решая, безопасен ли этот Skill.
https://skillstore.io/skills/k-dense-ai-statsmodels/audits/8?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report[](https://skillstore.io/skills/k-dense-ai-statsmodels?utm_source=security_passport_badge)<a href="https://skillstore.io/skills/k-dense-ai-statsmodels?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/k-dense-ai-statsmodels/security.svg" alt="Skillstore security assessment" loading="lazy"></a><iframe src="https://skillstore.io/embed/skills/k-dense-ai-statsmodels.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>K-Dense-AI. (2026). statsmodels security audit report (audit version 8) [Author version unspecified]. Skillstore. https://skillstore.io/skills/k-dense-ai-statsmodels/audits/8@techreport{k-dense-ai-k-dense-ai-statsmodels-2026,
author = {K-Dense-AI},
title = {statsmodels security audit report (audit version 8)},
institution = {Skillstore},
year = {2026},
number = {8},
url = {https://skillstore.io/skills/k-dense-ai-statsmodels/audits/8},
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: "statsmodels security audit report (audit version 8)"
version: "unspecified"
type: report
authors:
- name: "K-Dense-AI"
date-released: "2026-07-09"
url: "https://skillstore.io/skills/k-dense-ai-statsmodels/audits/8"
identifiers:
- type: other
value: "skillstore:k-dense-ai-statsmodels:audit:8"
description: "Skillstore immutable audit report identifier"
Навык каждого автора остаётся отдельным устанавливаемым вариантом. Рекомендуемый вариант ранжируется по данным Skillstore.
Почему этот вариант первый
davila7-statsmodels
2026-09-09
k-dense-ai-statsmodels
2026-09-09
Подгонка линейных моделей, проверка допущений, выбор робастных стандартных ошибок и интерпретация таблиц коэффициентов.
Сравнение спецификаций моделей, оценка предельных эффектов и представление выводов с соответствующей диагностикой.
Проверка стационарности, выбор структур ARIMA или SARIMAX, оценка остатков и построение прогнозных интервалов.
Используй statsmodels, чтобы подогнать OLS-модель для моего набора данных. Добавь интерсепт, обобщи коэффициенты и объясни ключевую диагностику.
Моя целевая переменная не распределена нормально. Помоги выбрать семейство GLM и функцию связи в statsmodels, затем перечисли диагностику, которую мне следует выполнить.
Сравни подходящие модели statsmodels для этого бинарного, мультиномиального или счетного исхода. Включи рекомендации по интерпретации и метрики оценки.
Спроектируй рабочий процесс прогнозирования в statsmodels для этого временного ряда. Включи тесты стационарности, выбор порядка модели, диагностику остатков и валидацию.
Автор
K-Dense-AIЛицензия
BSD-3-Clause license
Ревизия Skillstore
r1
Примечание о версии
Автор не указал версию.
Репозиторий
https://github.com/K-Dense-AI/claude-scientific-skills/tree/main/scientific-skills/statsmodelsСсылка
1ffa7643651792ccb4bd3b15d924d2c97edff755
Актуальность поддержки
25.07.2026
Использование
8 загрузок · 543 просмотров
Структура файлов
Подготовка материалов для академических площадок
Академические материалы часто не проходят проверку, потому что правила оформления различаются в зависимости от площадки. Этот навык предоставляет шаблоны, требования и примеры для более быстрой подготовки.
Подготовка документов для сертификации ISO 13485
Команды, работающие с медицинскими изделиями, должны подготовить полный комплект документации СМК перед сертификационными аудитами. Этот навык предоставляет шаблоны, чек-листы и рекомендации по анализу пробелов для готовности к ISO 13485.
Анализируйте терапевтические ML-наборы данных с PyTDC
Командам по разработке лекарств нужны надежные наборы данных и справедливые протоколы оценки. Этот навык помогает Claude использовать PyTDC для курируемых терапевтических ML-данных, benchmark-разбиений, метрик и молекулярных оракулов.
Выполнение молекулярного докинга DiffDock
Докинг белка и лиганда требует тщательной настройки, выбора параметров и интерпретации результатов. Этот навык помогает с рабочими процессами DiffDock для поз, оценок уверенности и скрининга.
Формирование проверяемых научных гипотез
Исследователям необходимо превращать наблюдения в ясные, проверяемые объяснения. Этот навык структурирует обзор доказательств, конкурирующие гипотезы, прогнозы и планы экспериментов.
Анализируйте исследовательские данные со статистической поддержкой
Выбор тестов и оформление результатов могут быть медленными и чреватыми ошибками. Этот skill помогает с выбором тестов, проверкой предпосылок, размерами эффекта, анализом мощности, байесовскими вариантами и оформлением по APA.
Анализ данных с помощью SQL и pandas
от shubhamsaboo
Работа с данными часто требует понятных запросов, повторяемых преобразований и внимательной интерпретации. Этот навык помогает в рабочих процессах с SQL, pandas, статистикой и очисткой данных.
Создание обнаружения аномалий на Java с Azure AI
от sickn33
Командам Java нужны надежные шаблоны для обнаружения необычного поведения временных рядов. Этот навык предоставляет примеры Azure AI Anomaly Detector для клиентов, моделей, инференса и ошибок.
Анализ данных с Pandas и SQL
от supercent-io
В необработанных наборах данных могут скрываться проблемы качества, тренды и слабые допущения. Этот навык помогает выполнять профилирование, очистку, статистический анализ, визуализацию и подготовку отчетов с воспроизводимыми шагами.
Анализ данных с руководством по Data Science
от sickn33
Командам по работе с данными нужны структурированные рекомендации по статистике, машинному обучению и бизнес-отчетности. Этот навык помогает Claude, Codex и Claude Code планировать анализ, проверять методы и объяснять практически применимые выводы.
Настройка строгих A/B-тестов
от sickn33
Команды часто запускают эксперименты без зафиксированных гипотез, метрик или проверок размера выборки. Этот навык помогает настроить A/B-тест с контрольными этапами для проверки валидности и готовности.
Запрос статистики Data Commons
от davila7
Публичная статистика часто требует разрешения сущностей, переменных и метаданных источников перед анализом. Этот навык помогает Claude, Codex и Claude Code выполнять запросы Data Commons и подготавливать результаты.