← Recherche

Construction Cost Prediction — ML models for forecasting project costs
Données 🧪 Installation exécutée dans notre sandbox de test · 11 nov. 2026 📌 Version épinglée : commit ce45bbf
Test d’installation seulement, à la date indiquée. Ne garantit pas la sécurité du code.
🔎 Analyse du prompt d’installation · 2026-10-13 : installe des paquets
⚙ Prérequis: Python 3 avec pandas…

Construction Cost Prediction — ML models for forecasting project costs

Prévoir les coûts de projets de construction avec le machine learning : régression linéaire, KNN, Random Forest et Gradient Boosting sur données historiques — préparation des données, feature engineering, évaluation des modèles et pipeline de prédiction réutilisable avec intervalles de confiance

L’essentiel
Quoi
Prévoir les coûts de projets de construction avec le machine learning : régression linéaire, KNN, Random Forest et Gradient Boosting sur données historiques — préparation des données, feature engineering, évaluation des modèles et pipeline de prédiction réutilisable avec intervalles de confiance
Coût
Gratuit
Prérequis
Python 3 avec pandas, numpy et scikit-learn (pip install pandas numpy scikit-learn) — vos propres données historiques de projets (surface, étages, type de bâtiment, coûts) pour une vraie valeur
Installation
Copiez le prompt d’installation ci-dessous dans votre Muse — votre agent fait le reste.

Version :

Réponse rapide

Construction Cost Prediction est un skill gratuit pour Muse pour prévoir les coûts de projets de construction depuis des données historiques avec du machine learning classique. Il guide le pipeline : préparation des données historiques, feature engineering, et entraînement et comparaison de régression linéaire, KNN, Random Forest et Gradient Boosting, en pipeline réutilisable avec intervalles de confiance.

⌁

Installation

Copiez le dossier d’installation ci-dessous, puis collez-le dans Muse🧪 Installation exécutée dans notre sandbox de test · 11 nov. 2026📌 Version épinglée : commit ce45bbf

Étape 0 — avant d'installer quoi que ce soit : lis ce prompt d'installation, résume en quelques lignes ce que ce build fait et ce que l'installation implique, puis demande-moi de confirmer avant de continuer. Prérequis : Python 3 avec pandas, numpy et scikit-learn (pip install pandas numpy scikit-learn) — vos propres données historiques de projets (surface, étages, type de bâtiment, coûts) pour une vraie valeur Installe-moi « Prédiction des coûts de construction — modèles ML pour prévoir les coûts de projets ». Il donne à mon agent le workflow de prédiction de coûts de @datadrivenconstruction : préparer les jeux de données historiques (valeurs manquantes, encodage catégoriel, variables dérivées, ajustement de l'inflation), faire du feature engineering, entraîner et comparer des modèles (régression linéaire, KNN, Random Forest, Gradient Boosting) avec évaluation complète (MAE, RMSE, R², MAPE, validation croisée), et conditionner le meilleur modèle en pipeline de prédiction réutilisable avec intervalles de confiance et sauvegarde/chargement joblib. Licence MIT. Dépôt : https://raw.githubusercontent.com/datadrivenconstruction/ddc_skills_for_ai_agents_in_construction/ce45bbfbdd63ab7868871061fdf5e83bc17f5020/2_DDC_Book/4.5-ML-Cost-Prediction/cost-prediction/SKILL.md Version épinglée : installe le code au commit ce45bbfbdd63ab7868871061fdf5e83bc17f5020 exactement (Skill Harbor a testé cette version). Ne substitue pas une version plus récente. Si ce commit est inaccessible, arrête-toi et dis-le-moi. 1. Récupère le fichier SKILL.md (et les fichiers d'aide éventuels) depuis le chemin du dépôt dans un dossier temporaire 2. Vérification de sécurité : examine le SKILL.md et les scripts pour tout contenu suspect (appels réseau inattendus, commandes shell, collecte d'identifiants). Ce dépôt ne devrait contenir aucun secret en dur. Vérifie que c'est bien le cas ici ; STOP sur tout signal d'alerte et dis-le-moi. 3. Installe-le comme skill : copie le SKILL.md et ses fichiers d'aide dans le répertoire des skills de l'agent, dans un dossier nommé « cost-prediction ». 4. Vérifie sans appels réseau : frontmatter valide, fichiers en place. 5. Indique ce qui a été installé, où, et ce qu'il me reste à faire moi-même (p. ex. pip install pandas numpy scikit-learn ; préparer un CSV de mes projets historiques ; mettre à jour la baseline d'inflation 2024 ; adapter les noms de variables à mon schéma). GitHub est optionnel : si j'ai un compte GitHub ou la CLI gh, tu peux l'utiliser ; sinon l'accès public suffit. Ne jamais l'exiger sauf s'il figure dans les prérequis ci-dessus. Règles : ne touche à rien en dehors du dossier temporaire et de la cible d'installation. Si quelque chose semble anormal, arrête-toi et demande-moi.

🔒 Sécurité, provenance et ce que ça touche
🧭 Ce que ça touche
  • Peut télécharger et installer des paquets logiciels.
Analyse du prompt d’installation · 2026-10-13
🔒 Sécurité et provenance
📌 Version épinglée : commit ce45bbf · 2026-10-13
🧪 Installation exécutée dans notre sandbox de test · 11 nov. 2026
👁 Observé pendant le test d’installation · 11 nov. 2026 : aucun contact réseau
🔎 Analyse du prompt d’installation · 2026-10-13 : installe des paquets
Ce que le scan a trouvé — extraits du prompt d’installation
  • installe des paquets — Prerequisites: Python 3 with pandas, numpy, and scikit-learn (pip install pandas numpy scikit-learn) — your ow · Prérequis : Python 3 avec pandas, numpy et scikit-learn (pip install pandas numpy scikit-learn) — vos propres
🔎 Dernière vérification · 19 nov. 2026 : aucun changement détecté dans les fichiers liés par ce prompt d’installation
Skill Harbor ne révise jamais le code des skills listés. Ce sont des faits datés sur le prompt d’installation et notre test d’installation, pas une certification de sécurité. Révisez un skill vous-même avant de l’installer. Comment nous vérifions
Envie d'être encore plus prudent ?

Le prompt d'installation ci-dessous inclut déjà les étapes de vérification : votre agent suit la checklist communautaire avant d'installer tout ce qui contient du code exécutable. Vous en voulez plus ?

Comment vérifier un skill avant de l’installer →

✓

Certificat de vérification

Faits datés sur ce qui a été vérifié pour cette fiche, et comment. Ce n’est pas une certification de sécurité.

Version épinglée
ce45bbf · 2026-10-13
Test d’installation en sandbox
Installation exécutée dans notre sandbox de test · 11 nov. 2026
Identité du créateur
Non vérifiée
Veille d’empreinte
Dernière vérification · 19 nov. 2026 : aucun changement détecté dans les fichiers liés par ce prompt d’installation
Analyse du prompt d’installation
2026-10-13 : installe des paquets

Skill Harbor ne révise jamais le code des skills listés. Ce sont des faits datés sur le prompt d’installation et notre test d’installation, pas une certification de sécurité. Révisez un skill vous-même avant de l’installer. Comment nous vérifions

?

Questions

Comment installer un skill ?

Chaque fiche produit contient un prompt d’installation à copier-coller. Collez-le dans votre Muse et il installe le skill pour vous — sans configuration manuelle.

Où va mon argent ?

Directement au vendeur. Skill Harbor ne traite jamais les paiements : le paiement se fait sur la page du vendeur, généralement via Stripe.

Que signifie le ✓ à côté du nom d’un créateur ?

Il signifie que nous avons confirmé l’identité de la personne derrière la fiche. Il ne dit rien sur le code lui-même — vérifiez toujours un skill avant de l’installer.