Seaborn

モデルの解釈性と説明可能AIのための shap スキルです。予測の理解、特徴量の寄与度の算出、SHAPプロットの選択、モデル挙動のデバッグに使えます。ツリー、線形、深層学習、ブラックボックスモデルを対象に、データ分析の文脈で活用できます。

Seabornは、pandasと相性のよい入力と強力なデフォルト設定を備えた、Python向け統計可視化のためのseabornスキルです。分布、関係性、カテゴリ比較、箱ひげ図、バイオリンプロット、ペアプロット、ヒートマップを素早く探索したいときに使えます。matplotlib上に構築されており、静的でそのまま掲載しやすい図を作成できます。

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。

scientific-visualization は、掲載レベルの図を作るためのメタスキルです。ジャーナル投稿向けのプロット、複数パネルのレイアウト、有意差注記、エラーバー、色覚多様性に配慮した配色、Nature/Science/Cell 風の書式設定に使えます。matplotlib、seaborn、plotly を連携させて、Data Visualization の科学図版作成を支援します。