Neural Network
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。
Install
npx skills add muralidharsoth-tech/andrew-ng-ml-claude-skills --skill neural-networkgit 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/neural-network ~/.claude/skills/neural-networkPersonal skills live in ~/.claude/skills. Use .claude/skills in a project folder to share a skill with your team.
From the SKILL.md
# 神经网络预测(Neural Network)
## 概述
此技能支持**二分类**和**多分类**的神经网络完整流程:
收集数据 → 数据切分(可选)→ 判断分类类型 → 推荐网络结构 → 确认预测目标 → 建议参数 → 梯度检验(可选)→ 训练模型 → 预测新值 → 可视化输出。
核心原则:
- **纯 NumPy 从零实现**反向传播(不依赖 TensorFlow/PyTorch)
- **内置特征缩放**(z-score 标准化,梯度下降必需)
- **默认启用 L2 正则化**(防止过拟合,λ 可调为 0 关闭)
- **Xavier 随机初始化**(打破对称性,避免神经元同质化)
- **首次训练建议运行梯度检验**(验证反向传播正确性,通过后关闭)
- 自动判断二分类还是多分类
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
### 环境预检(生成代码前必须执行)
先确认当前 Python 解释器可以导入 numpy 和 matplotlib。
缺少依赖时暂停执行并提示:python -m pip install -r requirements.txt,然后运行 python check_env.py;预检未通过时不要声称代码可运行。
严格按以下 10 步执行,不要跳过任何一步:
### 步骤 1:收集数据
首先确认特征数量和标签含义:
> 你有几个特征(x 变量)?每个 x 叫什么名字、单位是什么?
> 标签 y 代表什么类别?有几个类别?分别叫什么?
然后让用户提供数据:
> 请提供你的训练数据。可以用任意格式发给我,例如:
>
> 二分类:
> `保温厚度 3cm, 窗墙比 0.20 → 不节能`
> `保温厚度 8cm, 窗墙比 0.40 → 节能`
> `...`
>
> 多分类:
> `保温厚度 3cm, 窗墙比 0.20 → A级`
> `保温厚度 8cm, 窗墙比 0.40 → B级`
> `...`
>
> 同时告诉我:**预测的主题是什么**(用于图表标题,英文)。
从用户回复中提取:
- `n_features`(特征数量)
- `x_names`(list,如 `["保温厚度", "窗墙比"]`)
- `x_units`(list,如 `["cm", ""]`)
- `X_raw`(list of lists,每行 n 个 x 值)
- `y_raw`(list,标签值)
- `y_classes`(dict,如 `{0: "不节能", 1: "节能"}` 或 `{0: "A级", 1: "B级", 2: "C级"}`)
- `title_topic`(如 `"Building Energy Efficiency Classification"`,英文)
如果用户提供的标签是字符串(如 "节能"/"不节能"),自动编码为 0, 1, 2... 并确认映射关系。
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 1.5:确认是否预留验证数据
在训练前,询问用户是否需要切分数据,为后续模型诊断做准备:
> ### 📊 数据切分设置
>
> 你提供了 **{m}** 条数据。在训练前,建议预留一部分数据作为**验证集**,
> 用于客观评估模型真实效果(避免"考试题就是练习题")。
>
> 推荐方案:**60% 训练 / 20% 验证 / 20% 测试**Details
- Skill name
neural-network- Path
skills/neural-network/SKILL.md- License
- MIT
- Repo updated
- 25 October 2026
FAQ
What does the Neural Network skill do?
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。
How do I install the Neural Network skill?
skills CLI (Claude Code, Cursor, Codex and more): npx skills add muralidharsoth-tech/andrew-ng-ml-claude-skills --skill neural-network. Skills go in ~/.claude/skills (personal) or .claude/skills (project), and Claude loads them automatically when a task matches the description.
Is Neural Network 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。
Linear Regression
40muralidharsoth-tech/andrew-ng-ml-claude-skills
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。
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。
Neural Network Diagnosis
40muralidharsoth-tech/andrew-ng-ml-claude-skills
神经网络模型效果诊断与提升 —— 诊断已有 NN 模型的偏差/方差问题,并自动迭代优化。 当用户提到"诊断模型"、"模型效果不好"、"过拟合"、"欠拟合"、"学习曲线"、 "优化神经网络"、"调参"、"提升模型效果"、"模型诊断"、"效果差"等类似场景时触发。 适用于任何"已有一个训练好的神经网络,想诊断并提升其效果"的需求。 不要手动写代码——必须调用此技能来统一处理。
Panic Mode
44Jakeschincariol/unhinged-claude-skills
Triages a live incident — stop the bleeding first, smallest safe fix next, post-mortem once stable; invoke via /panic-mode when something is on fire in production and you need to restore service before understanding everything.
Questionable Engineering
44Jakeschincariol/unhinged-claude-skills
Picks the solution that works over the one that's technically correct — pragmatic, slightly cursed, perfect for prototypes; invoke via /questionable-engineering when you need a result that functions now and don't care that purists would wince.
Browse the most popular Claude skills, all other skills, or write your own with the skills generator.