用途：该技能面向机器学习与数据分析流程，自动生成探索性数据分析（EDA）、模型性能、特征分析、时间序列、模型对比等可视化，并输出面向业务方的报告与仪表盘，集成在 SpecWeave 的 increment 工作流内。
主要能力：EDA 报告（数据概览、数值分布、类别计数、相关性热力图、缺失值模式、异常值检测、特征关系）；分类性能图（混淆矩阵、ROC、精确率-召回率、学习曲线、校准曲线）；回归性能图（预测对比、残差、残差分布、按特征误差分析）；特征分析（特征重要性、SHAP 摘要、部分依赖、特征交互）；时间序列（趋势、季节分解、自相关、带置信区间预测）；模型对比（多模型指标与 ROC 对比）；交互式可视化（Plotly 散点、混淆矩阵、特征重要性）；业务报告（高管摘要、关键指标、业务影响、建议、技术附录，输出 HTML/PDF）；仪表盘创建（Grafana/Plotly，可导出 Grafana JSON 或 Plotly Dash 应用）。
使用方式：通过 Python 导入 specweave 中的各类 Visualizer（如 EDAVisualizer、ClassificationVisualizer、RegressionVisualizer、FeatureVisualizer、TimeSeriesVisualizer、ModelComparisonVisualizer、InteractiveVisualizer、MLReportGenerator、DashboardCreator），传入 increment 编号与数据调用对应方法；也可使用命令 /ml:visualize-eda 0042、/ml:visualize-performance 0042、/ml:create-dashboard 0042、/ml:export-visualizations 0042 --format png,pdf,html。可视化结果自动保存到 increment 目录，并可通过 /sw:sync-docs update 同步到文档。
适用场景：建模前的数据理解、模型性能沟通、特征归因分析、业务影响汇报、模型调试，以及需要可访问性与出版级图表的场景。
限制：资料未提供具体依赖版本、安装命令、收费与价格、平台支持范围及性能指标，这些信息暂未提供。