← Recherche

Feature Engineering Toolkit — create, select, and transform ML features
Données 🧪 Installation exécutée dans notre sandbox de test · 11 nov. 2026 📌 Version épinglée : commit cfae287
Test d’installation seulement, à la date indiquée. Ne garantit pas la sécurité du code.
⚙ Prérequis: Python 3 avec pandas et scikit-learn pour exécuter…

Feature Engineering Toolkit — create, select, and transform ML features

Ingénier de meilleures variables pour le machine learning : créer des termes d'interaction, sélectionner les variables les plus pertinentes, appliquer des transformations de scaling/encodage — l'agent génère et exécute du code Python (à relire avant exécution) et rapporte l'importance des variables et l'impact

L’essentiel
Quoi
Ingénier de meilleures variables pour le machine learning : créer des termes d'interaction, sélectionner les variables les plus pertinentes, appliquer des transformations de scaling/encodage — l'agent génère et exécute du code Python (à relire avant exécution) et rapporte l'importance des variables et l'impact
Coût
Gratuit
Prérequis
Python 3 avec pandas et scikit-learn pour exécuter le code généré — un jeu de données dont les variables doivent être ingéniées ; permissions d'accès aux fichiers du répertoire de projet
Installation
Copiez le prompt d’installation ci-dessous dans votre Muse — votre agent fait le reste.

Version :

Réponse rapide

Feature Engineering Toolkit est une fiche gratuite pour un toolkit qui crée, sélectionne et transforme des variables. Le workflow : Claude analyse la demande, génère du code Python à relire avant exécution, puis l'exécute, puis rapporte métriques, importance des variables et impact. Il couvre les termes d'interaction, la sélection top-K par Random Forest ou SelectKBest, et scaling, normalisation et encodage.

⌁

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 cfae287

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 et scikit-learn pour exécuter le code généré — un jeu de données dont les variables doivent être ingéniées ; permissions d'accès aux fichiers du répertoire de projet Installe-moi « Feature Engineering Toolkit — créer, sélectionner et transformer des variables ML ». Il donne à mon agent le workflow de feature engineering de @jeremylongshore (par Jeremy Longshore, conçu pour Claude Code) : analyser la demande de feature engineering, générer du code Python pour créer des termes d'interaction, sélectionner les meilleures variables et appliquer des transformations de scaling/encodage, l'exécuter et rapporter l'importance des variables et l'impact — avec bonnes pratiques, gestion d'erreurs et hooks d'intégration pour des pipelines ML complets. Licence MIT. NOTE : les allowed-tools de ce skill incluent Bash(cmd:*) — il va générer ET EXÉCUTER du code ; toujours relire ce qu'il prévoit d'exécuter avant qu'il le fasse. Dépôt : https://raw.githubusercontent.com/jeremylongshore/tons-of-skills-marketplace/cfae287053f6d06aa2c58b548f263476d520238a/plugins/ai-ml/feature-engineering-toolkit/skills/engineering-features-for-machine-learning/SKILL.md Version épinglée : installe le code au commit cfae287053f6d06aa2c58b548f263476d520238a 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 « engineering-features-for-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. vérifier pandas/scikit-learn installés ; pointer l'agent vers mon jeu de données ; relire le code généré avant exécution — le skill exécute des commandes shell). 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
D’après le prompt d’installation que nous avons analysé, ce skill ne lance pas de commandes, ne fait pas d’appels réseau à des tiers, n’installe pas de paquets, n’écrit pas de fichiers et ne demande pas de clés API.
Analyse du prompt d’installation · 2026-10-13
🔒 Sécurité et provenance
📌 Version épinglée : commit cfae287 · 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
🔎 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
cfae287 · 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 : Aucune commande, appel réseau, paquet, écriture de fichier ni clé API détecté.

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.