Seaborn

用於模型可解釋性與可解釋 AI 的 shap 技能。可用來理解預測結果、計算特徵歸因、選擇 SHAP 圖表，並針對樹模型、線性模型、深度學習模型與黑箱模型的資料分析情境，除錯模型行為。

Seaborn 是一個用於 Python 統計視覺化的 seaborn 技能，支援與 pandas 相容的輸入，並提供很好的預設值。適合快速探索分佈、關係、類別比較、箱型圖、提琴圖、成對圖與熱圖。底層建立於 matplotlib，可輸出適合出版的靜態圖表。

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。

scientific-visualization 是一個用來產生可直接用於發表的圖表的 meta-skill。適合期刊投稿用的圖形需求，例如多分圖版面、顯著性標註、誤差棒、色盲友善配色，以及符合 Nature/Science/Cell 風格的排版。它會協調 matplotlib、seaborn 和 plotly，支援 Data Visualization 工作中的 scientific-visualization。