数据建模与实验验证方案

原名：senior-data-scientist

根据问题与样本条件设计实验、特征处理和模型评估，标明假设。

中文 Skills 技能说明

想用数据判断某项改动是否有帮助，先确认数据能回答什么问题。提供业务目标、样本来源、字段、分组和时间范围，技能整理实验设计、特征处理和模型比较，交付分析草稿、评估口径及复现步骤。示例涉及的 NumPy、SciPy、Pandas 或建模工具需另配，不能把文档代码视为已跑结果。小样本、数据泄露和混杂因素要说明，预测不保证未来表现；个人信息最小化处理，重要结论交由负责人复核。

上游能力依据

上游原始适用说明：World-class senior data scientist skill specialising in statistical modeling, experiment design, causal inference, and predictive analytics. Covers A/B testing (sample sizing, two-proportion z-tests, Bonferroni correction), difference-in-differences, feature engineering pipelines (Scikit-learn, XGBoost), cross-validated model evaluation (AUC-ROC, AUC-PR, SHAP), and MLflow experiment tracking — using Python (NumPy, Pandas, Scikit-learn), R, and SQL. Use when designing or analysing controlled experiments, building and evaluating classification or regression models, performing causal analysis on observational data, engineering features for structured tabular datasets, or translating statistical findings into data-driven business decisions.

上游 SKILL.md 主要章节（保留原文标题）：

• Core Workflows
• 1. Design an A/B Test
• 2. Build a Feature Engineering Pipeline
• 3. Train, Evaluate, and Select a Prediction Model
• 4. Causal Inference: Difference-in-Differences
• Reference Documentation
• Common Commands

使用边界

先确认数据口径、只读或写入权限以及备份方案。查询结果需要说明范围，任何结构或数据变更都应先预览并人工确认。

作者、翻译与许可证

原作者

Alireza Rezvani 与 claude-skills contributors

中文翻译

CEOFans翻译

许可证

MIT

上游来源

https://github.com/alirezarezvani/claude-skills/tree/27cfcd0fb0a41f60adffcbd5271fdf8839f86ed2/engineering-team/skills/senior-data-scientist

适用范围

平台：linux、macos、windows；标签：数据与数据库、数据建模与实验验证方案、开源技能

安全提示

基础静态扫描不等于绝对安全。技能可能调用命令、浏览器、云服务或本地文件，请在最小权限环境中使用，高风险操作必须人工确认。

如发现侵权、许可证或安全问题，可在本页前台提交投诉，管理员复核后可立即下架。