推荐
Tabular Ml Modeling
让 AI 竞赛选手一键获得 Kaggle 大师的建模秘籍
数据科学家的竞赛加速器
核心原理：
这是个专为 Numerai 竞赛打造的表格数据机器学习工具包，内置了 Kaggle 大师们的顶级建模技巧。它能帮你快速搭建强大的梯度提升模型组合，特别适合处理大规模结构化数据竞赛。
这是个专为 Numerai 竞赛打造的表格数据机器学习工具包，内置了 Kaggle 大师们的顶级建模技巧。它能帮你快速搭建强大的梯度提升模型组合，特别适合处理大规模结构化数据竞赛。
关键功能 (KEY FEATURES)
01大师级建模
浓缩7种Kaggle冠军验证过的表格数据处理技巧
02竞赛特调
专为Numerai设计的时代验证和多目标集成方案
03性能狂飙
支持A100显卡上训练3万棵树的极致性能
04智能适配
Claude自动优化的技能结构和执行逻辑
github.com/degerhan/tabular-ml-modeling
data-ai·degerhan·2026-01-29·⭐ 0·🔱 0
精选导航站 agent-skills.cc
安装方式
下载HTTPS
git clone https://github.com/degerhan/tabular-ml-modeling.git
SSH
git clone [email protected]:degerhan/tabular-ml-modeling.git
GitHub CLI
gh repo clone degerhan/tabular-ml-modeling
常见问答
Q: Tabular Ml Modeling Agent Skills 的安装步骤是什么？
1.环境准备: 配置Colab Pro+和A100显卡
2.数据加载: 导入预处理好的Numerai数据
3.模型训练: 自动应用7种冠军建模技巧
4.结果集成: 生成最终竞赛提交文件
Q: Tabular Ml Modeling Agent Skills 的亮点是什么？
- Kaggle大师技巧直通车
- GPU极限性能优化
- 竞赛专用逻辑内置
- Claude智能调参
Q: Tabular Ml Modeling Agent Skills 的使用场景是什么？
- Numerai竞赛快速建模
- 结构化数据比赛方案验证
- Kaggle技巧实战应用
- 大规模表格数据实验
Q: Tabular Ml Modeling Agent Skills 的局限性是什么？
- 需要Colab Pro+和A100显卡
- 数据需预先处理成特定格式
相关 Claude Code Skills
openclaw/openclaw
openclaw
OpenClaw 是一个强大的多模态 AI 助手框架，支持文本、语音、图像等多种交互方式。提供 Canvas 可视化协作界面、MCP 服务器集成、多平台部署能力，让用户能够构建个性化的 AI 助手应用。
157.6k24.4k
f/awesome-chatgpt-prompts
f
这是一个超全的AI提示词库，汇集了各种场景下的ChatGPT、Claude等AI助手的优质提示词模板。无论你是新手还是专家，都能在这里找到灵感，让你的AI对话效率翻倍。
14万人验证过的提示词库，哈佛教授都在用，让你3秒变成AI对话专家
142.4k18.9k
anthropics/claude-code
anthropics
Claude Code 是 Anthropic 官方的终端 CLI 工具，就像一个懂你代码的智能助手。它能帮你理解复杂代码、执行日常任务、处理 Git 工作流，一切只需用自然语言告诉它。
大幅提升开发效率，复杂的Git操作一句话搞定
56.7k4.1k
anthropics/skills
anthropics
Claude技能库就像给AI装了个万能工具箱，无论是设计创意、文档处理还是技术开发，都能找到现成的解决方案。让你告别重复劳动，AI瞬间变身你的专属效率助手。
官方技能库质量有保障，开箱即用解决90%专业需求
56.7k5.5k
upstash/context7
upstash
Context7就像给你的AI编程助手装上了实时更新的百科全书。它会自动拉取最新版本的库文档和代码示例，再也不用担心AI给你过时的解决方案或者根本不存在的API了。
彻底解决AI编程最头疼的问题——过时的文档和虚假API
42.0k2.0k
CherryHQ/cherry-studio
CherryHQ
Cherry Studio 是你的 AI 超级工具箱，一个桌面端就能同时调用 OpenAI、Claude、Gemini 等主流大模型。300+预置助手任选，支持文档处理、代码高亮，还能多模型协同对话。
聚合主流AI服务，文档处理与代码开发无缝衔接，开源免费却有商业级体验
38.7k3.6k