mcpField
M
Machine Learning

Machine Learning

github.com/midudev数据与数据库7.0k64 次安装1 周前更新
代码仓库

关于 Machine Learning

面向使用 scikit-learn、PyTorch 及相关工具构建和评估模型的 Python 机器学习实践者。内容涵盖特征工程以及模型部署等基础 MLOps 实践。

主要功能

  1. 01scikit-learn 预处理与训练
  2. 02PyTorch 模型与训练循环
  3. 03特征工程方法
  4. 04模型评估与比较
  5. 05基础 MLOps 实践

适用场景

  1. 01构建模型训练流水线
  2. 02调优并评估模型表现
  3. 03准备特征并处理缺失数据
  4. 04跟踪实验并提供模型服务

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/midudev/autoskills --skill machine-learning

安装后在 Claude Code 中输入/machine-learning确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

assets/
config.yaml
schema.json
references/
GUIDE.md
PATTERNS.md
scripts/
validate.py

详细介绍

Python 机器学习技能

概述

使用 scikit-learn、PyTorch 等 Python 库及配套工具构建机器学习模型。

涵盖主题

Scikit-learn
  • 数据预处理
  • 模型选择
  • 训练流水线
  • 交叉验证
  • 超参数调优
PyTorch 基础
  • 张量运算
  • 神经网络模块
  • 训练循环
  • DataLoader 的使用
  • GPU 加速
特征工程
  • 特征选择
  • 降维
  • 特征缩放
  • 编码技术
  • 缺失数据处理
模型评估
  • 指标选择
  • 混淆矩阵
  • ROC 曲线
  • 学习曲线
  • 模型比较
MLOps 基础
  • 模型序列化
  • 实验跟踪（MLflow）
  • 模型版本管理
  • 模型服务
  • 可复现性

前置条件

  • Python 基础
  • NumPy 和 Pandas
  • 统计学基础

学习成果

  • 训练机器学习模型
  • 评估模型性能
  • 构建机器学习流水线
  • 将模型部署到生产环境

评论

支持 Markdown