用途:在构建机器学习模型时加载该技能,要求每个 ML 流程满足基线对比、交叉验证、模型解释和泄漏预防四项要求;缺少基线对比或交叉验证的发现会被标记为“Exploratory”。
主要能力:资料列出七部分。一是基线要求,必须与 DummyClassifier/DummyRegressor、简单线性模型及领域启发式对比,并可给出改进量的置信区间。二是交叉验证,分类使用分层 K 折,报告均值±标准差与置信区间,小数据集用重复 CV。三是超参数调优,建议 RandomizedSearchCV 或贝叶斯优化,报告分数分布并用嵌套 CV 获得无偏估计。四是概率校准,检查校准曲线、Brier 分数,必要时用 Platt 缩放或 isotonic 回归。五是解释,计算置换重要性或 SHAP 值,并做单案例研究。六是误差分析,按人群、时间等切片分析失败模式。七是泄漏检查清单。
使用方式:作为技能加载后,按其模板用 sklearn、scipy、shap 等编写流程,以带标记的 print 输出指标与限制。
限制:资料未提供安装命令、收费与平台信息,也未给出完整运行步骤。