数据分析工程开发研究
scikit-learn
使用 scikit-learn 进行经典机器学习。适用于分类、回归、聚类、降维、数据预处理、模型评估,以及构建 Python 机器学习流程。
浏览: 7★ 19,694
探索可复用的代理技能,查看实现细节,快速找到适合你工作流程的技能。
共找到 171 个技能
使用 scikit-learn 进行经典机器学习。适用于分类、回归、聚类、降维、数据预处理、模型评估,以及构建 Python 机器学习流程。
数据分析专家:进行探索性数据分析、统计建模、SQL 查询与 Python 数据可视化,通过严谨的量化方法将原始数据转化为可操作的洞察。
将气象与环境变量分类为驱动因素类别,以进行一致的归因分析与环境建模。
引导式统计分析,包含测试选择、假设检验、功效分析及 APA 格式报告,适用于学术与实验研究。
使用 GeoPandas 进行地理空间数据分析,包含正确的坐标投影转换,以执行精确的距离计算、空间筛选与地理特征分析。
将种子关键词扩展为完整列表,并按主题与搜索意图进行分群,以优化您的核心内容策略。
一个全方位的数据分析助手,支持加载数据集、执行统计计算、可视化趋势并生成专业的分析总结报告。
Python 统计可视化程序库。通过 Pandas 整合与自动统计估计,轻松制作箱线图、热图与小提琴图等出版级品质的统计图表。
分析并识别代码库模式(命名、架构、测试),以确保开发过程中的一致性与标准执行。
分析并总结网络文章、新闻通讯及博客内容,自动生成结构化 Markdown 报告。适合内容整理、知识管理与研究分析。
将多个研究智能体的发现综合为连贯且附引用的研究报告,解析矛盾并提取核心共识。
在软件功能开发过程中,验证跨工件(规格、计划、任务)一致性并检测破坏性变更(API、数据库、UI)。