📦
latex-posters
87建立 LaTeX 研究海報
研究海報在 LaTeX 中很難排版，也很難為列印進行校對。此技能提供範本、版面配置指引，以及適用於會議就緒海報的 PDF 檢查。
設計與創意 查看
技能 pymc-bayesian-modeling
📦
pymc-bayesian-modeling
內容修訂 r2 中風險 📁 檔案系統存取⚙️ 外部命令
使用 PyMC 建立貝葉斯模型
貝葉斯建模需要謹慎設定先驗、診斷與模型檢查。此技能會引導 PyMC 工作流程，從模型設定到後驗驗證與比較。
支援: Claude Codex Code(CC)
使用我的智慧代理安裝
將此請求複製給你的智慧代理，其中包含權威 Skill 頁面和清單。
智能體請求
Review the Skillstore skill "pymc-bayesian-modeling" from https://skillstore.io/skills/davila7-pymc-bayesian-modeling.md and its manifest at https://skillstore.io/api/skills/davila7-pymc-bayesian-modeling/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.你的智慧代理仍應顯示其計畫，並依安全政策請求必要確認。
Agent 可讀資源
當 AI Agent、爬蟲或腳本需要乾淨脈絡、而不是讀取完整頁面時，請使用這些連結。
測試它
正在使用「pymc-bayesian-modeling」。 使用者有分組觀測資料，並希望依群組進行部分池化。
預期結果:
- 建議採用具有群組層級截距與非中心化參數化的階層模型。
- 定義取樣前的先驗預測檢查。
- 列出在解讀群組效果前需要驗證的診斷項目。
正在使用「pymc-bayesian-modeling」。 使用者有數個已擬合模型，並想要選擇其中一個。
預期結果:
- 建議在啟用對數概似值的情況下進行 LOO 比較。
- 說明如何檢查 Pareto-k 警告。
- 建議在差異相對於不確定性很小時使用模型平均。
正在使用「pymc-bayesian-modeling」。 使用者在取樣後看到 divergences 與低有效樣本數。
預期結果:
- 說明可能的後驗幾何問題。
- 建議提高 target_accept、使用更強的先驗，以及重新參數化。
- 建議在報告結果前重新執行診斷。
安全審計
中風險v9 • 2026/7/23 開啟版本化報告
All 110 static findings are false positives caused by Markdown formatting, dictionary keys, or Bayesian terminology. No command execution or reconnaissance behavior was found, but the documented pickle.load example creates a medium-risk unsafe deserialization concern.
8
已掃描檔案
3,155
分析行數
0
複核項目
0
已忽略的誤報
已確認的安全問題 (1)
中
Unsafe pickle deserialization guidance
The workflow recommends pickle.load without warning that pickle can execute code. A replaced or untrusted model.pkl file could run arbitrary Python during loading.
The cited lines directly deserialize a local pickle file with pickle.load and provide no trust or integrity check.
風險因素
📁 檔案系統存取 (1)
⚙️ 外部命令 (50)
SKILL.md:30-43 SKILL.md:43-49 SKILL.md:49-53 SKILL.md:53-70 SKILL.md:70-74 SKILL.md:74 SKILL.md:75 SKILL.md:76-82 SKILL.md:82-88 SKILL.md:88-97 SKILL.md:97-111 SKILL.md:111-114 SKILL.md:114-115 SKILL.md:115-116 SKILL.md:116-117 SKILL.md:117-118 SKILL.md:118-124 SKILL.md:124-128 SKILL.md:128-137 SKILL.md:137-145 SKILL.md:145-151 SKILL.md:151-160 SKILL.md:160-169 SKILL.md:169-173 SKILL.md:173-188 SKILL.md:188-196 SKILL.md:196-204 SKILL.md:204-206 SKILL.md:206-212 SKILL.md:212-219 SKILL.md:219-225 SKILL.md:225-239 SKILL.md:239-241 SKILL.md:241-249 SKILL.md:249-256 SKILL.md:256-258 SKILL.md:258-264 SKILL.md:264-271 SKILL.md:271-279 SKILL.md:279-294 SKILL.md:294-310 SKILL.md:310-314 SKILL.md:314-321 SKILL.md:321-322 SKILL.md:322-323 SKILL.md:323-326 SKILL.md:326-327 SKILL.md:327-330 SKILL.md:330-331 SKILL.md:331-334
審計單位: codex 檢視審計紀錄 →
分享與引用此報告
分享版本化評估報告、中性徽章、嵌入卡片與引用。Skillstore 只報告證據，不判斷該 Skill 是否安全。
複製報告連結
https://skillstore.io/skills/davila7-pymc-bayesian-modeling/audits/9?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_reportMarkdown 徽章
[](https://skillstore.io/skills/davila7-pymc-bayesian-modeling?utm_source=security_passport_badge)HTML 徽章
<a href="https://skillstore.io/skills/davila7-pymc-bayesian-modeling?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/davila7-pymc-bayesian-modeling/security.svg" alt="Skillstore security assessment" loading="lazy"></a>嵌入卡片
<iframe src="https://skillstore.io/embed/skills/davila7-pymc-bayesian-modeling.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>學術引用 (APA · BibTeX · CFF)
APA 引用
davila7. (2026). pymc-bayesian-modeling security audit report (audit version 9) [Author version unspecified]. Skillstore. https://skillstore.io/skills/davila7-pymc-bayesian-modeling/audits/9BibTeX 引用
@techreport{davila7-davila7-pymc-bayesian-modeling-2026,
author = {davila7},
title = {pymc-bayesian-modeling security audit report (audit version 9)},
institution = {Skillstore},
year = {2026},
number = {9},
url = {https://skillstore.io/skills/davila7-pymc-bayesian-modeling/audits/9},
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: "pymc-bayesian-modeling security audit report (audit version 9)"
version: "unspecified"
type: report
authors:
- name: "davila7"
date-released: "2026-07-23"
url: "https://skillstore.io/skills/davila7-pymc-bayesian-modeling/audits/9"
identifiers:
- type: other
value: "skillstore:davila7-pymc-bayesian-modeling:audit:9"
description: "Skillstore immutable audit report identifier"
比較變體
2 個可安裝變體每位作者的技能都保留為獨立的可安裝項目。推薦變體依 Skillstore 證據排序。
為何此變體排名第一
Skillstore 評分最高
作者 / 來源 Skillstore 評分 證據置信度 Skillstore 使用量 已更新
davila7-pymc-bayesian-modeling
Skillstore 評分 76
證據置信度 高
Skillstore 使用量 17
已更新
2026-09-09
k-dense-ai-pymc-bayesian-modeling
Skillstore 評分 75
證據置信度 高
Skillstore 使用量 18
已更新
2026-09-09
Skillstore 評分
評分依據 證據置信度: 高 82
架構
85
可維護性
87
內容
70
社群
78
規範符合度
你可以打造什麼
設計貝葉斯迴歸模型
使用適當先驗、標準化預測變數、取樣設定與後驗檢查來建立 PyMC 迴歸模型。
診斷取樣問題
檢視 R-hat、ESS、divergences、tree depth 與 trace plots，以決定如何改善模型。
比較候選模型
使用 LOO、WAIC、Pareto-k 診斷與模型平均，以負責任的方式比較貝葉斯模型。
試試這些提示
開始建立 PyMC 模型
協助我為這個資料集設計 PyMC 模型。請識別結果變數、預測變數、可能的 likelihood、有用的先驗，以及必要的資料準備步驟。
選擇先驗
檢視這些模型變數並建議弱資訊先驗。說明每個先驗為何合適，以及我應該執行哪些先驗預測檢查。
修正取樣診斷
解讀這些 PyMC 診斷並提出變更建議。請聚焦於 divergences、R-hat、ESS、tree depth、參數化與 target_accept 設定。
比較貝葉斯模型
使用 LOO 或 WAIC 比較這些候選 PyMC 模型。請說明 Pareto-k 可靠性、差異中的不確定性，以及模型平均是否合適。
最佳實務
- 在擬合模型前執行先驗預測檢查。
- 在解讀前檢查 R-hat、ESS、divergences 與後驗預測擬合。
- 使用命名維度、固定隨機種子與文件化先驗，以建立可重現的工作流程。
避免
- 在檢查取樣診斷前，不要解讀後驗摘要。
- 當可使用弱資訊先驗時，不要使用平坦先驗。
- 除非有可用且可靠的對數概似值，否則不要使用 LOO 或 WAIC 比較模型。
常見問題
這個技能會替我執行 PyMC 模型嗎？
它提供指引、範本與輔助腳本。使用者仍需要具備所需套件的 Python 環境。
它針對哪個 PyMC 版本？
此指引針對現代 PyMC 5.x API 與以 ArviZ 為基礎的診斷。
它能協助處理階層模型嗎？
可以。它包含非中心化階層模型指引，以及可重用的階層模型範本。
它能比較多個貝葉斯模型嗎？
可以。它說明 LOO、WAIC、Pareto-k 可靠性檢查與模型平均。
它能取代統計審查嗎？
不能。它支援工作流程設計與診斷，但使用者仍應驗證假設與領域適配性。
使用 pickle 儲存模型安全嗎？
僅適用於受信任的本機檔案。使用者不應從不受信任的來源載入 pickle 檔案。
開發者詳細資訊
作者
davila7授權
MIT
Skillstore 修訂
r2
版本提示
作者未聲明版本。
引用
c43861a65bb95efcae259cd161c9d6f4dc7eec6f
維護新鮮度
2026/7/26
使用量
11 次下載 · 210 次瀏覽
davila7 的更多技能
查看全部📦
content-creator
87建立 SEO 就緒的行銷內容
行銷團隊需要符合品牌語氣與搜尋目標的清晰內容。此技能提供範本、分析腳本與平台指引，協助可重複的內容製作。
寫作與內容 查看
📦
treatment-plans
86建立結構化醫療治療計畫
臨床治療計畫往往會變得不一致、冗長或難以審查。此技能提供聚焦的範本、可衡量的目標、時程，以及本機品質檢查。
文件 查看
📦
clinical-reports
86建立結構化臨床報告
臨床團隊需要符合醫療與法規標準的清晰報告。此技能提供範本、檢查清單與驗證指引，適用於病例報告、診斷、試驗與病人紀錄。
文件 查看
📦
exploratory-data-analysis
85分析科學資料檔案
科學資料檔案很難檢查，因為每種格式儲存結構與中繼資料的方式都不同。此技能會偵測格式、剖析資料品質，並建立實用的 Markdown EDA 報告。
資料與分析 查看
📦
diffdock
85執行 DiffDock 分子對接工作流程
分子對接設定常因輸入、參數與信心分數難以對齊而失敗。此技能會引導 DiffDock 工作流程，從準備到結果檢閱。
研究與學習 查看
相關技能
查看全部📦
personal-finance-visualizer
86Visualize Personal Finances in a Local Report
由 jasonhmy
Financial records can obscure spending patterns when transfers, refunds, and shared purchases are mixed together. This skill reconciles authorized records and creates local interactive charts with transaction details and optional daily allowances.
資料與分析 查看
📦
data-processing
84處理 JSON、YAML 和 TOML 資料
由 0xDarkMatter
結構化設定資料在 JSON、YAML 和 TOML 檔案之間可能難以檢視。此技能會引導使用 jq 和 yq 查詢來進行擷取、篩選、轉換和更新。
資料與分析 查看
📦
pytdc
82使用 PyTDC 分析治療性 ML 資料集
由 K-Dense-AI
藥物探索團隊需要可靠的資料集與公平的評估協定。此技能可協助 Claude 使用 PyTDC 取得精選的治療性 ML 資料、基準切分、指標與分子 oracle。
資料與分析 查看
📦
nature-data
82撰寫 Nature 資料可用性聲明草稿
由 Yuan1z0825
研究作者在投稿前經常需要精準的資料可用性措辭。此技能可協助撰寫聲明草稿、將資料集對應到存取途徑，並檢查 FAIR 後設資料。
資料與分析 查看
📦
send-experiment-designer
82設計可靠的電子郵件實驗
由 aaron-he-zhu
電子郵件測試經常因設計檢定力不足或同時變更多個變數，而得出不夠有力的結論。此技能可建立嚴謹的計畫，並在考量不確定性的情況下解讀結果。
資料與分析 查看
📦
senior-computer-vision
81建置生產級電腦視覺系統
由 alirezarezvani
電腦視覺團隊需要針對模型、資料集、推論與部署的可靠指引。此技能可透過實用的工程檢查，協助規劃並最佳化生產級視覺管線。
資料與分析 查看