预测建模 Skill技能列表
Python多目标优化Skill python-multiobjective-optimization
这个技能专注于在Python中实现多目标优化，用于同时优化多个冲突目标，发现Pareto前沿，适用于数据分析、机器学习、工程优化和量化金融等场景。它提供专家指导，涵盖Pareto最优性、进化算法（如NSGA-II、NSGA-III、MOEA/D）、标量化方法、Pareto前沿分析，并使用pymoo、platypus和DEAP库进行实现。关键词包括多目标优化、Pareto前沿、NSGA-II、进化算法、Python优化、数据建模。
需求预测器Skill demand-forecaster
需求预测器是一种用于商业运营和供应链管理的专业技能，专注于利用时间序列分析、因果建模和机器学习等方法，对未来需求进行精准预测。该技能涵盖预测准确性评估（如MAPE、MAE、偏差）、季节性调整、新产品预测以及协同预测流程，旨在优化库存管理、产能规划和销售运营。关键词：需求预测，时间序列分析，ARIMA，指数平滑，机器学习预测，预测准确性，MAPE，偏差校正，供应链管理，销售与运营规划。
排队系统分析器Skill queuing-analyzer
排队系统分析器是一个基于排队论的AI分析工具，用于对各类等待线系统进行数学建模和性能评估。它支持M/M/1、M/M/c、M/G/1等多种经典排队模型，能够计算系统利用率、平均等待时间、队列长度等关键性能指标，并应用于呼叫中心人员配置、服务能力规划、系统优化等场景。关键词：排队论，系统分析，性能评估，数学模型，服务优化，呼叫中心，容量规划，仿真建模。
Metaculus预测平台集成Skill metaculus
此技能集成Metaculus社区预测平台，允许用户搜索预测问题、查看详细预测概率、参与预测比赛等，适用于概率分析和预测建模。关键词：预测平台、社区预测、概率分析、预测建模、Metaculus。
贝叶斯推理与校准Skill bayesian-reasoning-calibration
这个技能应用贝叶斯推理来系统更新概率估计，帮助在不确定性下进行预测、评估风险和测试假设，避免过度自信偏差。通过贝叶斯定理校准信念，提高决策质量，适用于概率更新、预测建模和不确定性管理。关键词：贝叶斯推理、校准、概率更新、预测、风险评估、假设测试、不确定性分析。
MCMC收敛性诊断Skill mcmc-diagnostics
MCMC收敛性诊断技能用于对马尔可夫链蒙特卡洛（MCMC）模拟结果进行统计验证与分析，确保贝叶斯推断的可靠性。核心功能包括计算Rhat指标、有效样本量（ESS）、生成轨迹图、分析自相关性、检测发散转移以及进行能量诊断（E-BFMI）。适用于量化金融、数据科学、科研学术等领域中需要进行复杂概率建模和不确定性量化的场景。关键词：MCMC诊断，贝叶斯推断，收敛性分析，Rhat，有效样本量，轨迹图，统计计算。
AI-ML数据科学工程套件Skill ai-ml-data-science
这个技能提供了一个完整的端到端数据科学和机器学习工程工作流程，将原始数据和业务问题转化为可生产化的验证模型。它涵盖了数据探索、特征设计、模型选择、性能评估、SQL变换和MLOps实践，特别强调现代特征存储、自动化重训练和漂移监控。关键词：数据科学、机器学习、特征工程、模型评估、MLOps、SQLMesh、预测建模、可重复性。
创业趋势预测Skill startup-trend-prediction
这个技能提供系统化框架，通过分析2-3年的历史信号来预测未来1-2年的市场、技术或业务模型趋势。它结合采用曲线、周期模式和信号分析，评估市场进入时机（如进入/等待/避免），支持决策制定，包括趋势轨迹（上升/峰值/下降）、采用阶段识别等。关键词：趋势预测、市场分析、创业时机、数据驱动决策、采用曲线、市场进入、周期模式、信号分析。
敏感性分析工具包Skill sensitivity-analysis-toolkit
本工具包是一个专注于数学优化的敏感性分析解决方案，主要用于评估优化模型的鲁棒性。核心功能包括对偶变量计算、影子价格分析、参数规划、紧约束识别和后最优性分析。它帮助用户理解模型参数变化对最优解的影响，支持鲁棒优化建模，适用于金融、工程、供应链等领域的决策支持系统。 关键词：敏感性分析，优化模型，对偶变量，影子价格，参数规划，鲁棒优化，后最优性分析，数学建模，决策支持
研究技能Skill research
这个技能帮助用户研究预测市场，提供基础率分析、解决规则查询和历史类比功能，用于市场预测和数据分析。关键词：市场研究、基础率、解决规则、历史数据、预测分析、量化金融、数据科学
统计建模与计量经济学分析Skill statsmodels
Statsmodels 是 Python 的一个开源库，专门用于统计建模、计量经济学分析和时间序列分析。它提供了广泛的统计方法，包括线性回归、广义线性模型、逻辑回归、ARIMA 等，用于数据分析和预测。关键词：统计建模，Python，回归分析，时间序列，计量经济学，假设检验，数据分析，预测建模。
数值线性代数工具包Skill numerical-linear-algebra-toolkit
数值线性代数工具包是一个专注于高性能数学计算的技能，提供矩阵分解、特征值计算、稀疏矩阵处理和迭代求解等核心线性代数操作。适用于科学计算、工程仿真、量化金融建模和机器学习算法开发等领域，帮助用户高效解决大规模数值计算问题。关键词：数值线性代数，矩阵分解，特征值计算，稀疏矩阵，迭代求解器，科学计算，高性能计算，数学建模。