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。
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 157 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。
高性能文档智能库,可从 91 种以上文件格式中提取文本、表格、代码及元数据,支持 OCR 及 LLM 友好输出。
使用 d3.js 创建交互式自定义数据可视化,包括图表、图形和网络图。适用于需要对视觉元素、转场动画和交互行为进行精细控制的场景。
使用 CodeQL 进行深入的代码安全性分析,支持跨程序数据流、污染追踪及多种语言的自动化漏洞检测。
加载并预处理保险保单周度 CSV 数据,支持智能周期检测、多周数据加载、数据验证和清洗。
用于选择 MCP 工具与直接 API 技能的决策框架,旨在优化 AI 代理的性能、成本与执行效率。
通过递归分块、子查询与聚合结果处理超过 1,000 万 token 的大型文件和代码库,突破 LLM 上下文窗口限制。
通过捕获浏览器流量 (HAR 文件) 进行网络 API 逆向工程,并自动生成可用于自动化与数据提取的 Python API 客户端。
Chrome DevTools MCP 服务器,通过 Puppeteer 实现 AI 驱动的浏览器自动化、测试与调试。支持输入自动化、视觉截图、性能追踪与网络检测。
通过整合币安市场数据、技术分析指标与加密货币市场情绪,为用户提供数据驱动的加密货币交易策略与分析建议。
用于构建高质量 MCP (Model Context Protocol) 服务器的指南,支持使用 Python 或 TypeScript 将外部 API 和服务集成到 LLM 工作流程中。
用于生成符合出版要求的科学图表、多面板布局及期刊格式的元技能,支持 matplotlib、seaborn 及 plotly。