机器学习实验结果分析
提供机器学习实验的结果文件或数据说明,自动整理指标对比、统计差异与实验趋势,并输出关键发现和后续实验建议。
功能与用途
用于解读机器学习项目中的实验结果。提供项目目录或结果文件路径,也可以说明要比较的实验与指标;Skill 会查找并整理 JSON、CSV 等结果,按模型、超参数或数据配置生成对比表,计算相对基线的变化,并在有多组随机种子时汇总均值和标准差。最终得到原始数据表、关键发现、异常提示和后续实验建议,也可为项目报告草拟简短结论。需要能访问实验结果文件;没有文件时可提供数据说明。
适用场景
- 比较模型与基线:整理不同模型的准确率、损失等指标,计算相对基线的变化,提炼性能差异。
- 总结超参数扫描趋势:比较不同超参数配置的实验结果,识别指标随参数变化的趋势和表现较好的区间。
- 检查多随机种子复现情况:汇总多个随机种子的均值与标准差,标出波动较大或可疑的结果,辅助判断稳定性。
适用人群
- 机器学习研究人员
- 高校与实验室科研人员
- 负责模型评测的算法工程师
- 开展模型调参的研究生
使用步骤
- 提供实验结果目录、JSON 或 CSV 文件路径。
- 说明要比较的模型、配置、指标或基线。
- 查看整理后的数据表、统计汇总和异常提示。
- 阅读关键发现,并选择是否采用后续实验建议。
开始使用
将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。
技术信息
- 分类
- 知识
- 适用工具
- Codex、Claude Code、OpenClaw、Hermes Agent、国内 Agent
- 使用难度
- 进阶
- 版本
- main
- 最近更新
- 2026-11-03
- 文件数
- 3
- 安装包大小
- 自动生成 ZIP
- 安全检查
- 基础检查通过
依赖与权限
- OPENAI_API_KEY
- SEMANTIC_SCHOLAR_API_KEY
- GAP_REPORT
- NARRATIVE_REPORT
- RESUBMIT_REPORT
- GEMINI_API_KEY
- EXA_API_KEY
- KEENABLE_API_KEY
- FIRECRAWL_API_KEY
- IDEA_REPORT
- PATH