Linear Regression
线性回归预测 —— 智能选择正规方程或梯度下降,支持单变量与多变量。 当用户提到"线性回归"、"线性拟合"、"线性预测"、"直线拟合"、"回归预测"、 "帮我做回归"、"预测一下"、"拟合一条线"、"多变量回归"等类似场景时触发。 适用于任何"给一堆 x,y 数据,想拟合并预测新值"的需求。 不要手动写代码——必须调用此技能来统一处理。
Install
npx skills add muralidharsoth-tech/andrew-ng-ml-claude-skills --skill linear-regressiongit clone --depth 1 https://github.com/muralidharsoth-tech/andrew-ng-ml-claude-skills.git /tmp/andrew-ng-ml-claude-skills
mkdir -p ~/.claude/skills
cp -r /tmp/andrew-ng-ml-claude-skills/skills/linear-regression ~/.claude/skills/linear-regressionPersonal skills live in ~/.claude/skills. Use .claude/skills in a project folder to share a skill with your team.
From the SKILL.md
# 线性回归预测(正规方程 + 梯度下降) ## 概述 此技能支持**单变量**和**多变量**的**线性回归**和**多项式回归**完整流程: 收集数据 → 检测非线性 → 算法选择 → 训练模型 → 预测新值 → 可视化输出。 核心原则: - **多项式回归一律使用梯度下降**(可集成 L2 正则化防止过拟合),不管特征数多少 - **普通线性回归**:n < 1000 使用正规方程(一步求解、精确),n >= 1000 使用梯度下降 自动检测数据是否需要多项式回归(曲线拟合),避免"直线拟合曲线数据"效果差的情况。 代码会自动保存到工作目录并运行,每次生成带时间戳的新文件。 ## 交互流程 严格按以下 7 步执行,不要跳过任何一步: ### 步骤 0:运行环境预检 在生成或运行 Python 代码前,先确认当前解释器可以导入 `numpy` 和 `matplotlib`。如果任一依赖缺失,暂停训练并提示: ```bash python -m pip install -r requirements.txt python check_env.py ``` 如果用户没有仓库根目录中的 `requirements.txt`,给出等价命令 `python -m pip install numpy matplotlib`,并要求用户重新运行环境检查。不要继续输出“可运行”代码,直到预检通过。 ### 步骤 1:收集数据 首先确认是单变量还是多变量: > 你有几个特征(x 变量)?每个 x 叫什么名字、单位是什么? 然后让用户提供数据: > 请提供你的训练数据。可以用表格格式发给我,例如: > > 单变量: > `面积 500, 能耗 3.1;面积 800, 能耗 4.8;...` > > 多变量: > `面积 500, 房间数 5, 能耗 3.0` > `面积 800, 房间数 8, 能耗 5.5` > `...` > > 同时告诉我:**y 代表什么(含单位)**,以及**预测的主题是什么**(用于图表标题)。 从用户回复中提取: - `n_features`(特征数量) - `x_names`(list,如 `["面积", "房间数"]`) - `x_units`(list,如 `["m^2", "间"]`) - `x_values`(list of lists,每行 n 个 x 值,或单变量时就是一维 list) - `y_values`(list) - `y_name`(如 `"能耗"`) - `y_unit`(如 `"万 kWh"`) - `title_topic`(如 `"Building Energy Prediction"`,英文) 如果用户没有给出某个信息,根据上下文合理推断并确认。 ### 步骤 2:检测非线性关系(多项式回归判断) 拿到数据后,判断 x 和 y 之间是否可能是**非线性关系**。根据以下信号综合判断: | 信号类型 | 具体表现 | 结论 | |----------|----------|------| | 用户描述 | "先快后慢"、"增长放缓"、"边际递减"、"U型"、"S型"、"先降后升" | 疑似非线性 | | 数据趋势 | 如果画出散点图,肉眼可见弯曲 | 疑似非线性 | | 领域知识 | 建筑能耗随面积"边际递减"是普遍规律 | 可主动建议 | **如果疑似非线性,主动询问用户确认:**
Details
- Skill name
linear-regression- Path
skills/linear-regression/SKILL.md- License
- MIT
- Repo updated
- 25 October 2026
FAQ
What does the Linear Regression skill do?
线性回归预测 —— 智能选择正规方程或梯度下降,支持单变量与多变量。 当用户提到"线性回归"、"线性拟合"、"线性预测"、"直线拟合"、"回归预测"、 "帮我做回归"、"预测一下"、"拟合一条线"、"多变量回归"等类似场景时触发。 适用于任何"给一堆 x,y 数据,想拟合并预测新值"的需求。 不要手动写代码——必须调用此技能来统一处理。
How do I install the Linear Regression skill?
skills CLI (Claude Code, Cursor, Codex and more): npx skills add muralidharsoth-tech/andrew-ng-ml-claude-skills --skill linear-regression. Skills go in ~/.claude/skills (personal) or .claude/skills (project), and Claude loads them automatically when a task matches the description.
Is Linear Regression popular?
It lives in muralidharsoth-tech/andrew-ng-ml-claude-skills, which has 40 GitHub stars and 3 forks.
Related skills
Anomaly Detection
40muralidharsoth-tech/andrew-ng-ml-claude-skills
异常检测(Anomaly Detection)—— 基于高斯分布的一元/多元异常检测,纯 NumPy 实现。 当用户提到"异常检测"、"anomaly detection"、"找异常"、"离群点"、"异常值检测"、 "outlier detection"、"高斯异常检测"、"检测异常数据"、"帮我检测异常"、"异常样本"、 "找出异常的"、"哪些数据有问题"、"不正常的数据"、"反常数据"等类似场景时触发。 适用于任何"给一堆数据,想找出哪些样本不太正常"的需求。 不要手动写代码——必须调用此技能来统一处理。
Logistic Regression
40muralidharsoth-tech/andrew-ng-ml-claude-skills
逻辑回归分类预测 —— 支持二分类与多分类,内置正则化梯度下降。 当用户提到"逻辑回归"、"logistic regression"、"分类预测"、"二分类"、 "多分类"、"帮我分类"、"预测类别"、"是否"、"会不会"等类似场景时触发。 适用于任何"给一堆 x,y 分类标签,想预测新样本类别"的需求。 不要手动写代码——必须调用此技能来统一处理。
Model Recommendation
40muralidharsoth-tech/andrew-ng-ml-claude-skills
模型自动推荐 —— 根据数据特征和预测需求,智能推荐线性回归/逻辑回归/SVM/神经网络/Softmax 回归。 当用户提到"推荐模型"、"选什么模型"、"用什么算法"、"模型选择"、"该用哪个"、 "帮我选模型"、"哪个算法合适"、"用什么方法预测"、"线性回归还是"等类似场景时触发。 适用于任何"我有数据和预测目标,但不确定该用什么模型"的需求。 不要手动画决策树——必须调用此技能来统一处理。
Keyboard Gremlin
44Jakeschincariol/unhinged-claude-skills
Makes the smallest possible change — surgical edits, minimal diff, nothing touched that didn't need to be; invoke via /keyboard-gremlin when you want a precise fix with the tiniest footprint and zero collateral changes.
Neural Network
40muralidharsoth-tech/andrew-ng-ml-claude-skills
神经网络预测 —— 支持二分类与多分类,纯 NumPy 从零实现反向传播。 当用户提到"神经网络"、"neural network"、"NN预测"、"深度学习"、 "帮我进行神经网络预测"、"用神经网络分类"、"用NN"等类似场景时触发。 适用于任何"给一堆 x,y 数据,想用神经网络预测新样本类别"的需求。 不要手动写代码——必须调用此技能来统一处理。
Giurisprudenza Lampo
43bstevescherer/heycounsel-community
Ricerca giurisprudenziale rapida per ottenere un quadro di orientamento iniziale su un tema giuridico. Si attiva con "giurisprudenza-lampo [tema]", "cerca giurisprudenza su [tema]", "sentenze su [tema]", "pronunce su [tema]", "orientamento giurisprudenziale su [tema]", o qualsiasi variante che chieda di cercare sentenze, pronunce, massime, orientamenti giurisprudenziali o precedenti su un argomento giuridico. Usa questa skill anche quando l'utente dice "cosa dice la giurisprudenza su", "ci sono sentenze su", "precedenti su", "come si è espressa la Cassazione/il TAR/il Consiglio di Stato su".
Browse the most popular Claude skills, all other skills, or write your own with the skills generator.