Claude Skill MartKhám phá skillCâu dùng ngayHọc qua videoDùng terminalSkill là gì?
 
← Về danh sách

Trợ lý giảm chiều dữ liệu UMAP-learn

Hướng dẫn dùng UMAP để nhúng dữ liệu nhiều chiều xuống 2D/3D và chuẩn bị dữ liệu cho phân cụm.

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

Làm được gì

  • Đưa ra chuẩn tinh chỉnh 4 tham số chính của UMAP (n_neighbors, min_dist, n_components, metric) theo từng mục đích: trực quan hóa, phân cụm hay pipeline ML.
  • Kèm mã mẫu cho UMAP có giám sát/bán giám sát (y=labels, nhãn thiếu ghi -1), kết hợp HDBSCAN, transform() cho dữ liệu mới, inverse transform, AlignedUMAP và Parametric UMAP.
  • Bảng khắc phục sự cố: cụm bị vỡ vụn, mọi điểm dồn thành một khối, lỗi NaN/inf, tệp umap.py cục bộ che mất thư viện thật.
  • Giải thích đánh đổi giữa tái lập kết quả (random_state) và tốc độ xử lý song song.

Phù hợp với ai

  • Nhà phân tích/khoa học dữ liệu làm EDA và trực quan hóa với scikit-learn.
  • Nghiên cứu viên xử lý dữ liệu nhiều chiều: scRNA-seq, vector nhúng, vector văn bản.
  • Kỹ sư ML muốn thay t-SNE bằng phương pháp nhanh và mở rộng tốt hơn.

Ví dụ sử dụng

  1. "Giảm ma trận embedding này xuống 2D và vẽ scatter tô màu theo nhãn" → chuẩn hóa dữ liệu, chạy UMAP(n_neighbors=15, min_dist=0.1), sinh mã matplotlib.
  2. "Tôi muốn phân cụm bằng HDBSCAN nhưng dữ liệu quá nhiều chiều" → giảm về 10 chiều với min_dist=0.0, chạy HDBSCAN và đánh giá bằng Adjusted Rand Score.
  3. "Chiếu lô dữ liệu mới lên cùng không gian nhúng đã học" → tách fit/transform, hoặc chuyển sang Parametric UMAP nếu phân phối dữ liệu thay đổi.

· · · Hướng dẫn cài đặt · · ·

Dùng thử ngay, không cần cài

Dán đoạn dưới vào Claude là dùng được skill này mà không cần cài đặt.

Hãy đọc hướng dẫn trong tệp này và làm theo để giúp mình:
https://raw.githubusercontent.com/K-Dense-AI/scientific-agent-skills/HEAD/skills/umap-learn/SKILL.md

Mình muốn: (viết việc bạn cần ở đây)

Nếu Claude không mở được liên kết, hãy mở liên kết và copy nội dung vào rồi dán.

↓ Thấy hữu ích thì tải ZIP bên dưới và cài. Sau đó skill tự chạy, không phải dán lại mỗi lần.

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/umap-learn từ repo GitHub K-Dense-AI/scientific-agent-skills vào ~/.claude/skills/umap-learn/ 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/sas && mkdir -p ~/.claude/skills && cp -r /tmp/sas/skills/umap-learn ~/.claude/skills/

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

  1. Mở terminal.
  2. Tải kho mã: git clone https://github.com/K-Dense-AI/scientific-agent-skills.git
  3. Tạo thư mục skill: mkdir -p ~/.claude/skills
  4. Sao chép skill: cp -r scientific-agent-skills/skills/umap-learn ~/.claude/skills/
  5. Cài thư viện Python: pip install umap-learn scikit-learn matplotlib (thêm pip install hdbscan nếu cần phân cụm). Hãy kiểm tra phiên bản mới nhất trên PyPI trước khi ghim.
  6. Khởi động lại Claude Code và thử yêu cầu: "Dùng UMAP giảm chiều bộ dữ liệu này xuống 2D".
Xem mã nguồn trên GitHub ↗Giấy phép: MIT