Claude Skill MartKhám phá skillSkill là gì?
 
← Về danh sách

scikit-survival — Quy trình phân tích sinh tồn

Skill chuyên sâu giúp xây dựng, huấn luyện và đánh giá mô hình sinh tồn (right-censored, competing risks) bằng scikit-survival mà không rò rỉ dữ liệu.

Dữ liệu · Phân tíchNâng cao★ 33,030⑂ 3,248Điểm AI 8/10Cập nhật lần cuối: 9 thg 8, 2026

Skill này làm gì

Hướng dẫn trọn vẹn quy trình phân tích sinh tồn với scikit-survival 0.28.0:

  • Tạo biến kết cục đúng chuẩn: mảng có cấu trúc (event bool, time float) qua Surv.from_arrays / Surv.from_dataframe
  • Pipeline chống rò rỉ dữ liệu: tách train/test trước, chỉ fit imputer/encoder/scaler trên fold huấn luyện
  • Chọn mô hình: Cox PH, Coxnet, IPCRidge, Random Survival Forest, Gradient Boosting, Survival SVM cùng giới hạn của từng loại
  • Hợp đồng chỉ số: Uno C-index, cumulative/dynamic AUC nhận điểm rủi ro; Brier / IBS nhận xác suất sống dạng (n_test, n_times)
  • Rủi ro cạnh tranh: tính CIF theo từng nguyên nhân, cảnh báo không dùng 1 - Kaplan-Meier
  • 5 CLI đi kèm: kiểm tra CSV, huấn luyện, đánh giá, CIF, xuất báo cáo — chạy cục bộ, không gọi mạng

Phù hợp với ai

  • Nhà nghiên cứu y sinh, dịch tễ học làm mô hình tiên lượng bệnh nhân
  • Data scientist xử lý bài toán time-to-event: rời bỏ khách hàng, thời gian hỏng thiết bị, tái phát
  • Người cần quy trình tái lập được cho bài báo hoặc báo cáo kiểm định
  • Không phù hợp nếu bạn chưa có nền tảng thống kê sinh tồn cơ bản

Ví dụ sử dụng

  1. Mô hình Cox cho dữ liệu bệnh nhân: "Xây pipeline CoxPH từ file CSV, tinh chỉnh alpha bằng nested CV rồi báo cáo Uno C và IBS."
  2. Phân tích rủi ro cạnh tranh: "Dữ liệu có 2 nguyên nhân tử vong, hãy vẽ đường CIF cho từng nguyên nhân" — skill hướng dẫn mã hóa status 0=censored, 1..K.
  3. Báo cáo tự động: nối train_survival_model.py → evaluate_survival_metrics.py → model_report.py để sinh báo cáo Markdown.

· · · Hướng dẫn cài đặt · · ·

Cài vào ứng dụng Claude (không cần terminal)
  1. Tải tệp ZIP bằng nút bên dưới.
  2. Trong Claude, mở Settings → Capabilities và bật 'Code execution and file creation'. (chỉ một lần)
  3. Vào Customize → Skills → + → 'Upload a skill' rồi tải tệp ZIP lên.
↓ Tải ZIP
Cài vào Claude Code

Để Claude làm — dán câu dưới đây vào Claude Code

Hãy cài skill mình tìm thấy trên Claude Skill Mart.
Copy thư mục skills/scikit-survival từ repo GitHub K-Dense-AI/scientific-agent-skills vào ~/.claude/skills/scikit-survival/ của mình.
Sau khi cài xong, cho mình biết skill này làm được gì trong một câu.

Cài bằng lệnh thủ công

git clone https://github.com/K-Dense-AI/scientific-agent-skills.git /tmp/scientific-agent-skills && mkdir -p ~/.claude/skills && cp -r /tmp/scientific-agent-skills/skills/scikit-survival ~/.claude/skills/

⚠ Đây là skill do người khác tạo. Hãy kiểm tra repo gốc trước khi cài.

  1. Mở terminal và chuyển tới thư mục làm việc bạn muốn.
  2. Tải mã nguồn: git clone https://github.com/K-Dense-AI/scientific-agent-skills.git
  3. Sao chép skill vào thư mục Claude: mkdir -p ~/.claude/skills && cp -r scientific-agent-skills/skills/scikit-survival ~/.claude/skills/
  4. Kiểm tra Python: python3 --version (cần 3.11 trở lên).
  5. Tạo môi trường ảo: uv venv --python 3.11 && source .venv/bin/activate (nếu chưa có uv: pip install uv).
  6. Cài các gói đã ghim phiên bản: uv pip install "scikit-survival==0.28.0" "scikit-learn==1.9.0" và các gói numpy/pandas/scipy theo tài liệu.
  7. Khởi động lại Claude Code, sau đó yêu cầu ví dụ: "phân tích sinh tồn dữ liệu này" hoặc "đánh giá bằng Uno C-index".
  8. Lưu ý: scikit-survival gốc dùng giấy phép GPL-3.0, hãy kiểm tra trước khi phân phối lại.
Xem mã nguồn trên GitHub ↗Giấy phép: MIT