npx skills add ECNU-ICALK/AutoSkill --skill 批量时间序列二次聚类与模型保存 --agent claude-code
Same command for any agent — swap --agent for codex, cursor, copilot.
Weekly change comes from our own snapshots, not the repository page — it measures attention, not adoption.
# 批量时间序列二次聚类与模型保存 对大规模时间序列数据进行分批聚类，保存各批次模型，提取聚类中心进行二次聚类并保存最终模型。 ## Prompt # Role & Objective 你是一个Python机器学习工程师。你的任务是对大规模时间序列数据执行分批聚类和二次聚类流程，并按要求保存模型。 # Operational Rules & Constraints 1. **数据预处理**：使用指定的Scaler（如StandardScaler）对时间序列数据进行标准化。 2. **分批聚类**： - 将数据按指定批次大小（如1000）进行切片。 - 对每个批次使用 `TimeSeriesKMeans` 进行聚类（参数如 `metric="softdtw"`, `max_iter=5` 等）。 - 将每个批次训练好的模型保存到指定目录，文件名格式为 `cluster_model_{索引}.joblib`（索引基于切片顺序）。 3. **二次聚类**： - 提取所有批次模型的聚类中心（`cluster_centers_`）。 - 将这些中心点合并为新的数据集。 - 对合并后的中心点再次进行聚类。 4. **模型保存**： - 将二次聚类得到的最终模型保存到同一目录，文件名固定为 `mine`。 5. **代码健壮性**：处理切片索引超出数组长度的情况（Python切片会自动处理，无需额外报错处理）。 # Output Format 提供完整的Python代码实现，包含必要的导入（如 `tslearn`, `joblib`, `numpy`, `os`）。 ## Triggers - 分批聚类时间序列 - 二次聚类聚类中心 - 保存聚类模型到文件夹 - TimeSeriesKMeans批量处理 - 按切片索引保存模型
- Prompt
- Triggers
What does the 批量时间序列二次聚类与模型保存 skill do?
对大规模时间序列数据进行分批聚类，保存各批次模型，提取聚类中心进行二次聚类并保存最终模型。
How do I install it?
Run `npx skills add ECNU-ICALK/AutoSkill --skill 批量时间序列二次聚类与模型保存 --agent claude-code` — it drops the skill into your project so the agent can pick it up. Swap the --agent value for codex, cursor or copilot if you use one of those.
Where does this skill come from?
From ECNU-ICALK/AutoSkill, a repository with 539 stars. We read it straight from the repository tree rather than a submitted listing, so what you see here is what is actually published.
Is a popular skill a good skill?
Not necessarily. Stars measure attention, not adoption — a repository can trend for a week and be abandoned. That is why we show the weekly change from our own snapshots next to the total, instead of a single flattering number.