shap
✓當「SHAP」、「Shapley 值」、「特徵重要性」、「模型可解釋性」或詢問「解釋預測」、「可解釋的 ML」、「特徵歸因」、「瀑布圖」、「蜂群圖」、「模型調試」時使用
SKILL.md
Explain ML predictions using Shapley values - feature importance and attribution.
| SHAP | Theoretically grounded, all model types | | LIME | Quick local explanations | | Feature Importance | Simple tree-based importance |
當「SHAP」、「Shapley 值」、「特徵重要性」、「模型可解釋性」或詢問「解釋預測」、「可解釋的 ML」、「特徵歸因」、「瀑布圖」、「蜂群圖」、「模型調試」時使用 來源:eyadsibai/ltk。
開啟你的終端機或命令列工具(如 Terminal、iTerm、Windows Terminal 等) 複製並執行以下指令:npx skills add https://github.com/eyadsibai/ltk --skill shap 安裝完成後,技能將自動設定到你的 AI 程式設計環境中,可以在 Claude Code 或 Cursor 中使用
可引用資訊
為搜尋與 AI 引用準備的穩定欄位與指令。
- 安裝指令
npx skills add https://github.com/eyadsibai/ltk --skill shap- 分類
- </>開發工具
- 認證
- ✓
- 收錄時間
- 2026-02-17
- 更新時間
- 2026-02-18
快速解答
什麼是 shap?
當「SHAP」、「Shapley 值」、「特徵重要性」、「模型可解釋性」或詢問「解釋預測」、「可解釋的 ML」、「特徵歸因」、「瀑布圖」、「蜂群圖」、「模型調試」時使用 來源:eyadsibai/ltk。
如何安裝 shap?
開啟你的終端機或命令列工具(如 Terminal、iTerm、Windows Terminal 等) 複製並執行以下指令:npx skills add https://github.com/eyadsibai/ltk --skill shap 安裝完成後,技能將自動設定到你的 AI 程式設計環境中,可以在 Claude Code 或 Cursor 中使用
這個 Skill 的原始碼在哪?
https://github.com/eyadsibai/ltk
詳情
- 分類
- </>開發工具
- 來源
- skills.sh
- 收錄時間
- 2026-02-17