Scikit Learn

Skill scikit-survival para análise de sobrevivência e modelagem time-to-event em Python. Use este guia para dados censurados, modelos de Cox, random survival forests, gradient boosting, Survival SVMs e métricas de sobrevivência como concordance index e Brier score.

O scikit-learn ajuda você a criar fluxos de trabalho clássicos de machine learning em Python. Use este skill de scikit-learn para classificação, regressão, clustering, pré-processamento, avaliação de modelos, ajuste de hiperparâmetros e pipelines. É um guia prático de scikit-learn para dados tabulares e desenvolvimento de modelos reproduzível.

molfeat é uma skill de featurização molecular para ML e análise de dados. Ela ajuda a converter moléculas em SMILES ou do RDKit em fingerprints, descritores e embeddings pré-treinados para QSAR, virtual screening, busca por similaridade e análise de espaço químico. Use este guia do molfeat para escolher representações práticas e montar pipelines reutilizáveis de featurização.

geniml é uma skill para aprendizado de máquina com intervalos genômicos em arquivos BED, saídas de scATAC-seq e dados de acessibilidade da cromatina. Use-a para Region2Vec, BEDspace, scEmbed, picos consenso e outros fluxos de ML em nível de região. É uma boa opção quando você precisa de embeddings, clusterização ou orientação de pré-processamento para regiões genômicas.

aeon é uma skill em Python compatível com scikit-learn para machine learning de séries temporais. Use-a para classificação, regressão, clustering, previsão, detecção de anomalias, segmentação, busca por similaridade e outros fluxos de trabalho com dados temporais. Ela se encaixa bem em análises univariadas e multivariadas quando você precisa de métodos especializados além do ML tabular genérico.