Utilizzare quando "scikit-learn", "sklearn", "machine learning", "classificazione", "regressione", "clustering" o per chiedere informazioni su "train test split", "cross validation", "hyperparameter tuning", "ML pipeline", "random forest", "SVM", "preprocessing"
Installa rapidamente la skill AI scikit-learn nel tuo ambiente di sviluppo tramite riga di comando
Fonte: eyadsibai/ltk.
| Logistic Regression | Baseline, interpretable | Fast, probabilistic | | Random Forest | General purpose | Handles non-linear, feature importance | | Gradient Boosting | Best accuracy | State-of-art for tabular | | SVM | High-dimensional data | Works well with few samples | | KNN | Simple problems | No training, instance-based |
| Linear Regression | Baseline | Interpretable coefficients | | Ridge/Lasso | Regularization needed | L2 vs L1 penalty | | Random Forest | Non-linear relationships | Robust to outliers | | Gradient Boosting | Best accuracy | XGBoost, LightGBM wrappers |
| KMeans | Spherical clusters | nclusters (must specify) | | DBSCAN | Arbitrary shapes | eps (density) | | Agglomerative | Hierarchical | nclusters or distance threshold | | Gaussian Mixture | Soft clustering | ncomponents |
Campi e comandi stabili per citazioni AI/ricerca.
npx skills add https://github.com/eyadsibai/ltk --skill scikit-learnUtilizzare quando "scikit-learn", "sklearn", "machine learning", "classificazione", "regressione", "clustering" o per chiedere informazioni su "train test split", "cross validation", "hyperparameter tuning", "ML pipeline", "random forest", "SVM", "preprocessing" Fonte: eyadsibai/ltk.
Apri il tuo terminale o strumento da riga di comando (Terminal, iTerm, Windows Terminal, ecc.) Copia ed esegui questo comando: npx skills add https://github.com/eyadsibai/ltk --skill scikit-learn Dopo l'installazione, la skill verrà configurata automaticamente nel tuo ambiente AI di coding e sarà pronta all'uso in Claude Code, Cursor o OpenClaw
https://github.com/eyadsibai/ltk