Scikit Learn

Python で生存分析と time-to-event モデリングを行うための scikit-survival スキルです。打ち切りデータ、Cox モデル、Random Survival Forest、Gradient Boosting、Survival SVM、さらに concordance index や Brier score などの生存分析指標まで、導入判断に必要なポイントをこのガイドで確認できます。

scikit-learn は、Python で古典的な機械学習ワークフローを構築するのに役立ちます。この scikit-learn スキルでは、分類、回帰、クラスタリング、前処理、モデル評価、ハイパーパラメータ調整、パイプラインを扱えます。表形式データで再現性の高いモデル開発を進めるための、実用的な scikit-learn ガイドです。

molfeat は、ML とデータ分析向けの分子特徴量化スキルです。SMILES や RDKit 分子を、QSAR、仮想スクリーニング、類似検索、化学空間解析に使えるフィンガープリント、記述子、事前学習済み埋め込みへ変換するのに役立ちます。この molfeat ガイドを使えば、実務で使いやすい表現を選び、再利用しやすい特徴量化パイプラインを構築できます。

genimlは、BEDファイル、scATAC-seq出力、クロマチンアクセシビリティデータを対象にしたゲノム区間の機械学習向けスキルです。Region2Vec、BEDspace、scEmbed、コンセンサスピークなど、領域レベルのMLワークフローで使えます。埋め込み、クラスタリング、ゲノム領域の前処理方針を知りたいときに適しています。

aeonは、scikit-learn互換のPythonスキルで、時系列機械学習に使えます。分類、回帰、クラスタリング、予測、異常検知、セグメンテーション、類似検索など、時間情報を含むデータのワークフローに対応します。汎用的な表形式MLでは足りず、単変量・多変量の時系列分析で専門的な手法が必要な場合に適しています。