预测建模 Skill技能列表
Clari预测Skill clari-forecasting
Clari预测技能是一个与Clari收入运营平台集成的工具，专注于利用人工智能技术进行数据驱动的销售预测和收入分析。它提供AI预测、销售管道健康检查、交易活动信号监控和情景建模等功能，帮助销售团队将预测从主观判断转变为基于数据的科学决策，从而提高预测准确性、识别风险交易并优化销售策略。 关键词：Clari预测，AI销售预测，收入运营平台，销售管道分析，交易风险评估，数据驱动预测，情景建模，销售预测工具，商业智能，CRM集成
scikit-survival生存分析技能Skill scikit-survival
scikit-survival 是一个用于生存分析和时间到事件建模的 Python 工具包。它适用于处理截尾数据、拟合 Cox 模型、随机生存森林、梯度提升模型或生存 SVM，使用一致性指数或 Brier 分数评估预测，处理竞争风险，或实现任何生存分析工作流。关键词：生存分析，时间到事件建模，截尾数据，Cox 模型，随机生存森林，梯度提升，生存 SVM，一致性指数，Brier 分数，竞争风险，Python 库，预测建模。
插值逼近Skill interpolation-approximation
插值逼近是一种数值分析方法，用于通过已知数据点构建函数或曲线，实现数据拟合、函数近似和预测建模。核心功能包括多项式插值、样条插值、最小二乘拟合和误差分析，广泛应用于量化金融、数据科学、工程计算和科学研究等领域。关键词：插值方法、逼近算法、数据拟合、数值分析、函数近似、量化金融、预测建模、误差估计。
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。
因果推断方法Skill causal-inference-methods
本技能专注于应用高级计量与统计方法（如倾向得分匹配、工具变量、双重差分、断点回归）在观测数据中进行因果识别与效应评估。适用于政策评估、项目效果分析、社会科学研究等领域，旨在解决选择偏差、内生性等问题，提供可靠的因果推断依据。关键词：因果推断，倾向得分，工具变量，双重差分，断点回归，计量经济学，政策评估，效应识别。
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。
多项式混沌展开Skill polynomial-chaos-expansion
多项式混沌展开是一种用于高效传播计算模型中不确定性的数学方法。该方法通过正交多项式基函数对随机输入变量进行展开，能够快速计算输出响应的统计特性（如均值、方差）和全局敏感性分析（如Sobol指数）。适用于工程仿真、金融风险评估、科学计算等领域的不确定性量化分析。关键词：不确定性量化，多项式混沌，敏感性分析，随机建模，数值仿真，风险分析，正交多项式，稀疏PCE
PyMC概率编程Skill pymc-probabilistic-programming
PyMC概率编程技能提供了一套完整的Python工具集，专门用于实现灵活的贝叶斯建模和概率编程。核心功能包括分层模型构建、自定义概率分布定义、高斯过程建模、支持MCMC和变分推断等多种推断算法，并集成了ArviZ库进行模型诊断和结果可视化。该技能适用于需要进行不确定性量化、统计推断和预测建模的数据科学、量化金融及科研领域。关键词：贝叶斯建模，概率编程，PyMC，MCMC，变分推断，分层模型，高斯过程，ArviZ可视化，统计计算，Python数据分析。
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
敏感性分析-不确定性量化Skill sensitivity-analysis-uq
该技能提供一套完整的全局敏感性分析（GSA）方法，用于量化模型输出对输入参数变化的敏感程度。核心功能包括计算Sobol指数、执行Morris筛选、进行FAST分析等，帮助用户识别关键输入变量、理解模型行为、优化模型设计并支持不确定性量化（UQ）研究。适用于金融建模、工程仿真、环境科学等领域的模型验证与风险评估。关键词：敏感性分析，不确定性量化，Sobol指数，Morris方法，FAST，方差分解，模型验证，风险评估。
趋势分析师Skill trend-analyst
趋势分析师是专注于识别、分析和预测市场、技术及商业环境变化的专家。核心能力包括信号检测、时间序列分析、社会倾听和预测建模。该技能用于发现新兴趋势、评估趋势强度、进行市场时机判断，并将洞察转化为可执行的商业建议。关键词：趋势预测，信号检测，时间序列分析，市场情报，商业趋势，预测建模，社会倾听，早期预警。
PyMC贝叶斯建模Skill pymc-bayesian-modeling
这个技能用于使用PyMC进行贝叶斯建模，包括构建层次模型、MCMC采样（NUTS）、变分推断、模型比较（如LOO和WAIC）、后验检查等，适用于概率编程和统计推断。关键词：贝叶斯建模, PyMC, 概率编程, MCMC, 变分推断, 模型比较, 数据科学, 预测建模。