Scikit Learn

scikit-survival 技能，適用於 Python 中的生存分析與事件時間建模。可用這份指南處理刪失資料、Cox 模型、隨機生存森林、梯度提升、Survival SVM，以及 concordance index 和 Brier score 等生存評估指標。

scikit-learn 幫助你在 Python 中建立經典機器學習流程。這個 scikit-learn 技能可用於分類、迴歸、分群、前處理、模型評估、超參數調校與管線。它是一份實用的 scikit-learn 指南，特別適合表格資料與可重複的模型開發。

molfeat 是一個用於 ML 與資料分析的分子特徵化技能。它可將 SMILES 或 RDKit 分子轉成 fingerprint、descriptor 與預訓練 embedding，適合 QSAR、虛擬篩選、相似度搜尋與化學空間分析。可用這份 molfeat 指南挑選實用表示法，並建立可重用的特徵化流程。

geniml 是一個用於 BED 檔、scATAC-seq 輸出與染色質可及性資料的基因組區間機器學習技能。適合用來處理 Region2Vec、BEDspace、scEmbed、共識 peaks，以及其他以區域為單位的 ML 工作流程。當你需要基因組區域的 embeddings、clustering，或前處理建議時，這個技能相當合適。

aeon 是一個與 scikit-learn 相容的 Python 技能，專為時間序列機器學習而設。可用於分類、迴歸、分群、預測、異常偵測、分段、相似度搜尋，以及其他時間資料工作流程。當你需要超越一般表格型 ML 的專門方法時，它很適合單變量與多變量分析。