ml-rigor - 为机器学习管道执行严谨评估
为机器学习管道执行基线比较、交叉验证、模型解释、校准和数据泄漏防护。
标签
更新于: 2026-10-16能力
典型输入
典型输出
该技能可以做什么
- 比较模型与基线
- 执行分层交叉验证
- 报告分数方差
- 计算置信区间
- 使用随机搜索调参
- 使用嵌套交叉验证估计性能
- 检查概率校准
- 应用概率校准
- 防止信息泄漏
- 标记探索性发现
输入
- 训练数据
- 目标标签
- 机器学习模型
- 任务类型
- 评估指标
- 领域启发式方法
输出
- 基线指标
- 交叉验证指标
- 置信区间
- 超参数得分分布
- 校准指标
- 校准曲线图
- 过拟合警告
- 探索性质量状态
要求
- Python 环境
- scikit-learn
- NumPy
- SciPy
- 用于校准图的 Matplotlib