building-classification-models

分類モデルビルダー

ラベル付きデータを使用する教師あり学習タスク向けに、分類モデルを構築して評価します。

概要

このスキルを使用すると、Claude は分類モデルを効率的に構築してデプロイできます。モデルの選択、トレーニング、評価のプロセスを自動化し、堅牢で信頼性の高い分類ソリューションを提供します。また、モデルの性能に関する分析情報を提示し、改善の可能性を提案します。

仕組み

1. コンテキスト分析：Claude がユーザーのリクエストを分析し、データセット、目的変数、分類モデルに関する具体的な要件を特定します。
2. モデル生成：このスキルは classification-model-builder プラグインを使用して、特定したデータセットと要件に基づき、分類モデルをトレーニングするコードを生成します。これには、データの前処理、特徴量の選択、モデルの選択、ハイパーパラメーターの調整が含まれます。
3. 評価とレポート：生成されたモデルを適切な指標（精度、適合率、再現率、F1 スコアなど）でトレーニングおよび評価します。その後、性能指標と分析情報をユーザーに提示します。

このスキルを使用する場面

次のような場合に、このスキルが有効になります。

• 与えられたデータセットから分類モデルを構築する。
• カテゴリカルな結果を予測する分類器をトレーニングする。
• 分類モデルの性能を評価する。

例

例 1：スパム分類器の構築

ユーザーのリクエスト：「このデータセットを使って、スパムメールを検出する分類器を構築してください。」

このスキルは次の処理を行います。

1. 提供されたメールデータセットを分析し、特徴量と目的変数（スパム／スパムではない）を特定します。
2. classification-model-builder プラグインを使用して、データのクリーニング、特徴量の抽出、モデルの選択を含む、スパム分類モデルをトレーニングする Python コードを生成します。

例 2：顧客の解約予測

ユーザーのリクエスト：「顧客データを使って、顧客の解約を予測する分類モデルを作成してください。」

このスキルは次の処理を行います。

1. 顧客データを分析し、関連する特徴量と解約状況を特定します。
2. データの検証、モデルのトレーニング、性能レポートを含む、解約予測用の分類モデルを構築するコードを生成します。

ベストプラクティス

• データ品質：モデルをトレーニングする前に、入力データがクリーンで前処理済みであることを確認してください。
• モデルの選択：データの特性とタスク固有の要件に基づいて、適切な分類アルゴリズムを選択してください。
• ハイパーパラメーターの調整：可能な限り最高の性能を達成できるよう、モデルのハイパーパラメーターを最適化してください。

統合

このスキルは classification-model-builder プラグインと連携し、モデル構築のプロセスを自動化します。データ分析や可視化を行う他のプラグインと組み合わせて使用することもできます。

前提条件

• 適切なファイルアクセス権限
• 必要な依存関係がインストールされていること

手順

1. トリガー条件が満たされたときに、このスキルを呼び出します
2. 必要なコンテキストとパラメーターを指定します
3. 生成された出力を確認します
4. 必要に応じて変更を適用します

出力

このスキルは、タスクに関連する構造化された出力を生成します。

エラー処理

• 無効な入力：修正を促します
• 依存関係の不足：必要なコンポーネントを一覧表示します
• 権限エラー：解決手順を提案します

リソース

• プロジェクトのドキュメント
• 関連するスキルとコマンド