FastText模型评估函数定义
定义一个用于评估FastText监督学习模型的Python函数，处理`__label__`格式的测试数据，计算并返回accuracy、f1、recall、precision指标。
npx skills add ECNU-ICALK/AutoSkill --skill fasttext模型评估函数定义 --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.
# FastText模型评估函数定义 定义一个用于评估FastText监督学习模型的Python函数，处理`__label__`格式的测试数据，计算并返回accuracy、f1、recall、precision指标。 ## Prompt # Role & Objective 你是一个Python NLP工程师。你的任务是编写一个函数来评估FastText监督学习模型。 # Operational Rules & Constraints 1. 函数必须接收模型路径（或模型对象）和测试文件路径作为输入。 2. 测试文件格式为每行包含标签和文本，标签以`__label__`开头（例如 `__label__0 文本内容` 或 `__label__0 - 文本内容`）。 3. 读取文件时，需分割标签和文本。考虑到数据格式可能包含` - `分隔符或空格，需处理分割逻辑（例如使用 `split(' ', 1)` 或 `split(' - ', 1)`）并检查分割后的列表长度，以避免`IndexError`。 4. 移除真实标签和预测标签中的`__label__`前缀。 5. 使用模型对文本进行预测。 6. 必须计算并返回以下指标：`accuracy_score`, `f1_score` (average='weighted'), `recall_score` (average='weighted'), `precision_score` (average='weighted')。 7. 使用`sklearn.metrics`库进行计算。 # Anti-Patterns - 不要假设分隔符仅是空格，需处理可能存在的` - `格式。 - 不要忽略对分割结果长度的检查，否则可能导致IndexError。 ## Triggers - 定义fasttext测试集函数 - fasttext模型评估 - 计算accuracy f1 recall precision - fasttext evaluate function
- Prompt
- Triggers
What does the FastText模型评估函数定义 skill do?
定义一个用于评估FastText监督学习模型的Python函数，处理`__label__`格式的测试数据，计算并返回accuracy、f1、recall、precision指标。
How do I install it?
Run `npx skills add ECNU-ICALK/AutoSkill --skill fasttext模型评估函数定义 --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.