kdense-scikit-learn

Machine learning in Python with scikit-learn. Use when working with supervised learning (classification, regression), unsupervised learning (clustering, dimensionality reduction), model evaluation, hyperparameter tuning, preprocessing, or building ML pipelines. Provides comprehensive reference documentation for algorithms, preprocessing techniques, pipelines, and best practices.

الانتقال إلى التثبيت

المستودع: eightmm/codex-science
آخر نشاط في المصدر: ١٠ يوليو ٢٠٢٦ في ١٥:٢٧
لغة SKILL.md المكتشفة: الإنجليزية
النجوم: ٢
التفرعات: ٠

خيارات التثبيت

يُحدَّد Prompt الذي يراجع المصدر أولًا بشكل افتراضي. يمكنك التبديل إلى أمر مباشر أو تنزيل نسخة محلية.

التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.

يتجاوز الأمر المباشر Prompt المخصّص للمراجعة. افحص المصدر قبل تشغيله.

npx skills add https://github.com/eightmm/codex-science --skill kdense-scikit-learn

يبقى الأمر في سطر واحد. مرّر أفقيًا لمراجعته كاملًا قبل النسخ.

تفضّل نسخة محلية؟ نزّل الملفات المتاحة حاليًا لدى SkillsMP.

مراجعة ملفات المصدر

اقرأ SKILL.md وأي ملفات مرافقة يعرضها SkillsMP قبل أن تقرر التثبيت.

مستكشف الملفات

2 ملفات

SKILL.md

تعليمات المصدر · معاينة للقراءة فقط

العودة إلى البحث العودة إلى التثبيت

quantitative-research

Execute auditable quantitative research across preregistered study design, statistical inference, numerical verification, dimensional analysis, uncertainty propagation, counterexample search, and formal proof. Use when a scientific or mathematical question needs actual computation and machine-readable evidence rather than only explanation.

2026-08-04

statistical-decision-analysis

Compare finite actions under uncertainty with explicit states, loss, utility or risk-neutral payoff, priors, experiment likelihoods, and a declared decision criterion. Use for Bayes risk, expected utility or payoff, pure-action minimax, minimax regret, dominance, posterior decision policies, EVPI/EVSI, experiment-cost decisions, and prior-threshold sensitivity; do not use for ordinary statistical testing, causal identification, strategic games, or MDP/POMDP/RL planning.

2026-08-04

cx-statistical-decision-analysis

2026-08-04

عرض الكل من هذا المستودع

name	kdense-scikit-learn
description	Machine learning in Python with scikit-learn. Use when working with supervised learning (classification, regression), unsupervised learning (clustering, dimensionality reduction), model evaluation, hyperparameter tuning, preprocessing, or building ML pipelines. Provides comprehensive reference documentation for algorithms, preprocessing techniques, pipelines, and best practices.