AI Skill 大全

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

  1. 提供实验结果目录、JSON 或 CSV 文件路径。
  2. 说明要比较的模型、配置、指标或基线。
  3. 查看整理后的数据表、统计汇总和异常提示。
  4. 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。

查看 MCP 接入说明

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

同类 Skill