scikit-learn Machine Learning — classical ML playbook in Python (short listing)
Fiche courte — licence non vérifiable : ML classique avec scikit-learn — classification, régression, clustering, réduction de dimension, pipelines de preprocessing, validation croisée, tuning d'hyperparamètres et code de démarrage pratique
- Quoi
- Fiche courte — licence non vérifiable : ML classique avec scikit-learn — classification, régression, clustering, réduction de dimension, pipelines de preprocessing, validation croisée, tuning d'hyperparamètres et code de démarrage pratique
- Coût
- Gratuit
- Prérequis
- Python 3 avec scikit-learn, numpy, pandas installés (pip install scikit-learn numpy pandas matplotlib seaborn) — des données tabulaires en arrays NumPy ou DataFrames pandas
- Installation
- Copiez le prompt d’installation ci-dessous dans votre Muse — votre agent fait le reste.
Sélectionné par Skill Harbor — fiche courte (le frontmatter du repo revendique BSD-3-Clause, mais le manifest de découverte enregistre NOASSERTION — le manifest fait foi, donc aucun contenu n'est reproduit) : le skill scikit-learn-machine-learning de @jaechang-hits (collection scientific-computing sciagent-skills) — un guide compact de ML classique pour scikit-learn en Python. Il couvre le cœur de la librairie standard : apprentissage supervisé (classification, régression), non supervisé (clustering, réduction de dimension), preprocessing (scaling, encodage, imputation, feature engineering), évaluation de modèles avec validation croisée, tuning systématique d'hyperparamètres et pipelines ML reproductibles sur workflows NumPy/pandas — avec du code de démarrage rapide (un exemple RandomForest en 10 lignes) et des conseils sur quand préférer PyTorch/TF ou XGBoost/LightGBM. Bémols honnêtes : conditions de licence non vérifiables — fiche courte avec lien uniquement, rien copié ; une référence de ML classique, pas de deep learning ; suis le lien source et lis toi-même les conditions avant usage. Skill Harbor ne vérifie jamais le code, examinez-le vous-même avant usage. Découvert via skills.sh.
Version :
Réponse rapide
scikit-learn Machine Learning est un skill gratuit pour Muse, une fiche courte à licence non vérifiable et un guide compact de ML classique pour scikit-learn en Python. Il couvre classification, régression, clustering, réduction de dimension, pipelines de preprocessing, validation croisée et tuning d'hyperparamètres, avec du code de démarrage pratique pour les tâches supervisées et non supervisées standards.
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 82c862cÉtape 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 scikit-learn, numpy, pandas installés (pip install scikit-learn numpy pandas matplotlib seaborn) — des données tabulaires en arrays NumPy ou DataFrames pandas Installe-moi « scikit-learn Machine Learning — guide de ML classique en Python (fiche courte) ». Il donne à mon agent le guide de ML classique de @jaechang-hits : classification, régression, clustering et réduction de dimension avec scikit-learn, preprocessing (scaling, encodage, imputation, feature engineering), validation croisée, tuning d'hyperparamètres, pipelines reproductibles, code de démarrage rapide et conseils sur quand utiliser PyTorch/TF ou XGBoost/LightGBM à la place. IMPORTANT : les conditions de licence n'étaient pas vérifiables (le manifest de découverte enregistre NOASSERTION, bien que le frontmatter du repo revendique BSD-3-Clause) — récupérer depuis le lien seulement, ne rien reproduire au-delà du lien, et lire toi-même les conditions avant usage. Dépôt : https://raw.githubusercontent.com/jaechang-hits/sciagent-skills/82c862c094a4a5ec6eeeeee039c8dd34cd8a92be/skills/scientific-computing/scikit-learn-machine-learning/SKILL.md Version épinglée : installe le code au commit 82c862c094a4a5ec6eeeeee039c8dd34cd8a92be 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 « scikit-learn-machine-learning ». 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 scikit-learn numpy pandas ; préparer mon jeu de données tabulaire ; lire les conditions de licence avant réutilisation). 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.
Enregistré dans vos installs récentes. Retrouvez-le à tout moment sur /connect.
🔒 Sécurité, provenance et ce que ça touche
- Peut télécharger et installer des paquets logiciels.
Ce que le scan a trouvé — extraits du prompt d’installation
- installe des paquets — Prerequisites: Python 3 with scikit-learn, numpy, pandas installed (pip install scikit-learn numpy pandas matp · Prérequis : Python 3 avec scikit-learn, numpy, pandas installés (pip install scikit-learn numpy pandas matplot
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 ?
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
- 82c862c · 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.