技能 umap-learn

📦

umap-learn

Name: umap-learn
Author: davila7

內容修訂 r2 安全 ⚙️ 外部命令

建構更優質的 UMAP 嵌入

高維度資料難以視覺化、分群，也難以在機器學習管線中重複使用。此技能提供實用的 UMAP 設定、調校、轉換與評估指引。

支援: Claude Codex Code(CC)

📊 76 尚可

Maintain this Skill? Claim it 📊 76 尚可

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 "umap-learn" from https://skillstore.io/skills/davila7-umap-learn.md and its manifest at https://skillstore.io/api/skills/davila7-umap-learn/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。

Markdown 詳情 GET /skills/davila7-umap-learn.md 已簽名 manifest GET /api/skills/davila7-umap-learn/manifest 已簽名 lockfile GET /api/skills/davila7-umap-learn/lockfile

測試它

正在使用「umap-learn」。我有已標準化的客戶特徵，需要一份二維概覽。

預期結果:

一開始可使用 15 個鄰居、0.1 的最小距離、歐幾里得距離，以及固定的隨機種子。在解讀結構之前，請比較數個不同種子的結果。

正在使用「umap-learn」。我想從 120 個數值特徵中取得 HDBSCAN 群集。

預期結果:

使用訓練資料的統計值將特徵標準化。
將資料降至五或十個 UMAP 維度，並將最小距離設為零。
擬合 HDBSCAN，並透過多組參數設定驗證穩定性。

正在使用「umap-learn」。我必須在訓練完成後嵌入未來的觀測資料。

預期結果:

使用訓練資料擬合縮放器與 UMAP 模型，將兩者重複用於新的觀測資料，並監控分布偏移。

安全審計

安全

v9 • 2026/7/23 開啟版本化報告

All 49 static alerts are false positives caused by Markdown code fences, inline parameter names, and benign data-science terminology. The files contain instructional examples and no automatic command execution, reconnaissance behavior, prompt injection, or malicious intent.

已掃描檔案

1,007

分析行數

複核項目

已忽略的誤報

風險因素

⚙️ 外部命令 (46)

最近一次完成的靜態與語意稽核未偵測到已確認的安全發現。這並不能證明該 Skill 沒有副作用。

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。

開啟版本化報告

複製報告連結

https://skillstore.io/skills/davila7-umap-learn/audits/9?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report

Markdown 徽章

[![Skillstore security assessment](https://skillstore.io/badges/skills/davila7-umap-learn/security.svg)](https://skillstore.io/skills/davila7-umap-learn?utm_source=security_passport_badge)

HTML 徽章

<a href="https://skillstore.io/skills/davila7-umap-learn?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/davila7-umap-learn/security.svg" alt="Skillstore security assessment" loading="lazy"></a>

嵌入卡片

<iframe src="https://skillstore.io/embed/skills/davila7-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>

學術引用 (APA · BibTeX · CFF)

APA 引用

davila7. (2026). umap-learn security audit report (audit version 9) [Author version unspecified]. Skillstore. https://skillstore.io/skills/davila7-umap-learn/audits/9

BibTeX 引用

@techreport{davila7-davila7-umap-learn-2026,
  author = {davila7},
  title = {umap-learn security audit report (audit version 9)},
  institution = {Skillstore},
  year = {2026},
  number = {9},
  url = {https://skillstore.io/skills/davila7-umap-learn/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: "umap-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-umap-learn/audits/9"
identifiers:
  - type: other
    value: "skillstore:davila7-umap-learn: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 推薦目前

davila7-umap-learn

Skillstore 評分 76

證據置信度高

Skillstore 使用量 14

已更新

2026-09-09

K-Dense-AI

k-dense-ai-umap-learn

Skillstore 評分 71

證據置信度高

Skillstore 使用量 15

已更新

2026-09-09

Skillstore 評分

評分依據證據置信度: 高

架構

可維護性

內容

社群

規範符合度

你可以打造什麼

視覺化高維度測量資料

建立可重現的二維嵌入，並比較著重局部與全域結構的設定。

準備分群所需的特徵

在套用 HDBSCAN 並驗證所發現的群組之前，先設定 UMAP 維度與密度參數。

投影新資料或已標記資料

使用監督式、半監督式、標準或參數式轉換，建構可重複使用的嵌入工作流程。

試試這些提示

建立基本的 UMAP 視覺化

將我的數值資料集標準化、設定可重現的二維 UMAP 嵌入，並說明如何使用所提供的標籤繪製圖表。

調校 UMAP 參數

針對我的資料集比較多組 n_neighbors 與 min_dist 設定。分別針對局部細節、全域結構與視覺分離效果建議適合的值。

設計分群管線

為此資料集設計一套可避免資料洩漏的 UMAP 與 HDBSCAN 工作流程。使用五至十個嵌入維度，並說明如何驗證群集。

選擇進階 UMAP 變體

為此專案在標準、監督式、Parametric 與 AlignedUMAP 之間做出選擇。說明距離度量、轉換策略、可重現性與評估方式的選擇依據。

最佳實務

在擬合 UMAP 前縮放數值特徵，以免數值較大的欄位主導距離。
當結論取決於嵌入幾何結構時，請設定 random_state 並比較多次執行的結果。
使用穩定性檢查與領域證據驗證群集，不要只相信視覺上的分離效果。

避免

不要將二維視覺化嵌入作為分群決策的唯一依據。
在評估下游模型之前，不要使用測試資料擬合前處理步驟或 UMAP。
不要在比較距離或群集大小時，假設 UMAP 保留了原始空間中的每一項關係。

常見問題

什麼時候應該使用 UMAP，而不是 PCA？

需要非線性的鄰域結構時使用 UMAP；當線性成分、直接的特徵負載或較簡單的可重現性更重要時，則使用 PCA。

我應該選擇哪一種距離度量？

對已縮放的數值資料使用歐幾里得距離，對文件向量使用餘弦距離，對二元資料則使用漢明距離或 Jaccard 距離。

UMAP 可以支援分群嗎？

可以。請使用兩個以上的成分、較低的最小距離，並獨立驗證群集，因為 UMAP 可能改變密度。

我可以轉換新資料嗎？

可以。重複使用已擬合的前處理步驟與 UMAP 模型，同時確認新資料與訓練資料的分布相似。

如何讓結果具備可重現性？

設定 random_state、保留前處理參數、記錄套件版本，並在穩定性很重要時比較多次重複執行的結果。

此技能會自動執行 UMAP 嗎？

不會。此技能會提供工作流程指引與範例，供 Claude、Codex 與 Claude Code 依據你的資料進行調整。

開發者詳細資訊

作者

davila7

授權

MIT

Skillstore 修訂

版本提示

作者未聲明版本。

儲存庫

https://github.com/davila7/claude-code-templates/tree/main/cli-tool/components/skills/scientific/umap-learn

引用

c43861a65bb95efcae259cd161c9d6f4dc7eec6f

維護新鮮度

2026/7/26

使用量

5 次下載 · 396 次瀏覽

檔案結構

📁 references/

📄 api_reference.md

使用 Azure AI 建置 Java 異常偵測

由 sickn33

Java 團隊需要可靠的模式來偵測異常的時間序列行為。此技能提供 Azure AI Anomaly Detector 範例，涵蓋用戶端、模型、推論與錯誤處理。

資料與分析查看

umap-learn

使用我的智慧代理安裝

Agent 可讀資源

測試它

安全審計

風險因素

複製報告連結

Markdown 徽章

HTML 徽章

嵌入卡片

APA 引用

BibTeX 引用

CITATION.cff

比較變體

Skillstore 評分

你可以打造什麼

視覺化高維度測量資料

準備分群所需的特徵

投影新資料或已標記資料

試試這些提示

最佳實務

避免

常見問題

開發者詳細資訊

davila7 的更多技能

latex-posters

content-creator

treatment-plans

clinical-reports

exploratory-data-analysis

diffdock

相關技能

personal-finance-visualizer

pytdc

senior-data-scientist

ml-antipattern-validator

when-debugging-ml-training-use-ml-training-debugger

azure-ai-anomalydetector-java