用途：该技能面向机器学习数据准备，帮助 Claude 把一份数据集按用户要求拆分为训练集、验证集和测试集，以便后续训练模型并评估性能。
主要能力：分析用户请求，识别需要切分的数据集以及各子集的期望比例；根据请求生成使用标准机器学习库的 Python 代码；执行切分代码，按指定比例生成训练、验证和测试数据文件。示例中可将 my_data.csv 切分为 70% 训练、15% 验证、15% 测试，输出 train.csv、validation.csv 和 test.csv；也可将 large_dataset.csv 按 80/20 分为训练集和测试集。
使用方式：用自然语言描述数据集文件和目标比例，例如请求对某个 CSV 文件执行指定比例的切分。技能会生成并执行相应 Python 代码完成拆分。
适用场景：为机器学习模型训练准备数据；创建训练、验证、测试集合；划分数据以评估模型表现。资料还提到可与 Claude Code 生态中的其他数据处理和模型训练工具配合，形成完整的机器学习工作流。
限制：资料未说明支持的具体文件格式范围、库依赖版本、异常处理方式或可配置参数。实践时应关注数据完整性，避免数据丢失或损坏；对不平衡数据集考虑分层抽样以保持各类别分布；并确保切分过程随机化以减少偏差。