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
- 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.
Sélectionné par Skill Harbor — le skill engineering-features-for-machine-learning de @jeremylongshore, listé ici avec crédit à son créateur (écrit par Jeremy Longshore, conçu pour Claude Code) : un toolkit de feature engineering pour le machine learning qui crée, sélectionne et transforme des variables pour améliorer les performances des modèles. Le workflow : Claude analyse la demande, génère du code Python pour la tâche de feature engineering (termes d'interaction comme âge × revenu, sélection top-K par Random Forest ou SelectKBest, transformations de scaling/normalisation/encodage), l'exécute, puis rapporte métriques de performance et insights (importance des variables, impact des transformations). Il couvre les bonnes pratiques (valider les données d'abord, scaler les numériques, encoder proprement les catégorielles), les prérequis, la gestion d'erreurs et l'intégration avec d'autres skills pour des pipelines ML complets. Bémols honnêtes : les allowed-tools du skill incluent Bash(cmd:*) — l'agent génère ET EXÉCUTE du code, donc relis ce qu'il prévoit d'exécuter avant qu'il le fasse (surtout sur des données partagées ou de production) ; c'est un skill déclenché par phrases (« engineer features »), pas une référence ML générale — à combiner avec un skill de modélisation dédié. Licence MIT. Skill Harbor ne vérifie jamais le code, examinez-le vous-même avant usage. Découvert via skills.sh.
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 cfae287Étape 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.
Enregistré dans vos installs récentes. Retrouvez-le à tout moment sur /connect.
🔒 Sécurité, provenance et ce que ça touche
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
- 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.