Seaborn

用于模型可解释性和可解释 AI 的 shap 技能。可用来理解预测结果、计算特征归因、选择 SHAP 图表，并调试 Data Analysis 中树模型、线性模型、深度学习模型和黑盒模型的行为。

Seaborn 是一个面向 Python 统计可视化的 seaborn 技能，支持 pandas 友好的输入和强默认样式。可用于快速探索分布、关系、分类对比、箱线图、提琴图、成对图和热力图。基于 matplotlib 构建，适合生成静态、可直接用于发表的图表。

scikit-learn 可帮助你在 Python 中构建经典机器学习工作流。这个 scikit-learn 技能适用于分类、回归、聚类、预处理、模型评估、超参数调优和 pipelines。它是一份面向表格数据和可重复模型开发的实用 scikit-learn 指南。

scientific-visualization 是一个用于生成可直接用于发表图表的元技能。适合期刊投稿中的多面板布局、显著性标注、误差线、色盲友好配色，以及 Nature/Science/Cell 风格排版。它会协调 matplotlib、seaborn 和 plotly，用于 Data Visualization 相关的 scientific-visualization 工作。