Scikit Learn

Skill de scikit-survival para análisis de supervivencia y modelado de tiempo hasta el evento en Python. Usa esta guía para datos censurados, modelos de Cox, bosques aleatorios de supervivencia, gradient boosting, Survival SVM y métricas de supervivencia como el índice de concordancia y el puntaje de Brier.

scikit-learn te ayuda a crear flujos de trabajo clásicos de machine learning en Python. Usa este skill de scikit-learn para clasificación, regresión, clustering, preprocesado, evaluación de modelos, ajuste de hiperparámetros y pipelines. Es una guía práctica de scikit-learn para datos tabulares y desarrollo repetible de modelos.

molfeat es una skill de featurización molecular para ML y análisis de datos. Ayuda a convertir moléculas SMILES o de RDKit en fingerprints, descriptores y embeddings preentrenados para QSAR, cribado virtual, búsqueda de similitud y análisis del espacio químico. Usa esta guía de molfeat para elegir representaciones prácticas y crear pipelines de featurización reutilizables.

geniml es una skill para aprendizaje automático con intervalos genómicos sobre archivos BED, salidas de scATAC-seq y datos de accesibilidad de cromatina. Úsala para Region2Vec, BEDspace, scEmbed, picos consenso y otros flujos de trabajo de ML a nivel de región. Es una buena opción cuando necesitas embeddings, clustering o guía de preprocesamiento para regiones genómicas.

aeon es una herramienta de Python compatible con scikit-learn para machine learning de series temporales. Úsala para clasificación, regresión, clustering, pronóstico, detección de anomalías, segmentación, búsqueda de similitud y otros flujos de trabajo con datos temporales. Encaja tanto en análisis univariados como multivariados cuando necesitas métodos especializados más allá del ML tabular genérico.