Neural Network Diagnosis
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。
Install
npx skills add muralidharsoth-tech/andrew-ng-ml-claude-skills --skill neural-network-diagnosisgit 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-diagnosis ~/.claude/skills/neural-network-diagnosisPersonal skills live in ~/.claude/skills. Use .claude/skills in a project folder to share a skill with your team.
From the SKILL.md
# 神经网络模型效果诊断与提升
## 概述
此技能分**两个阶段**,对已有的神经网络模型进行系统化诊断和优化:
1. **第一阶段:模型效果诊断**(步骤 1-6)—— 数据划分 → 计算误差 → 画学习曲线 → 判断好/坏
2. **第二阶段:模型效果提升**(步骤 7-12)—— 仅在诊断"差"时触发,简单方法优先,最多 3 轮迭代
核心原则:
- **先诊断,再治疗**——不诊断就动手可能越搞越糟
- **仅针对神经网络模型**(通过 `neural-network` 技能生成的 `.py` 文件)
- **简单方法优先**:误差分析 → 调 λ/α → λ 网格搜索 → 改网络结构
- **每次优化后验证**,对比步骤 2 确认的量化标准
- **最多 3 轮优化**,每轮结束后询问用户是否继续
- **新建文件保存优化结果**,原始模型代码一字不改
> 📚 本技能依赖以下参考文件(按需读取,不全部加载):
> - `references/learning-curve.md` — 学习曲线绘制
> - `references/bias-variance-diagnosis.md` — 偏差/方差诊断决策树
> - `references/lambda-grid-search.md` — λ 网格搜索
> - `references/early-stopping.md` — 早停训练
> - `references/error-analysis.md` — 误差分析
> - `references/kfold-cross-validation.md` — k-fold 交叉验证
> - `references/skewed-class.md` — 偏斜类问题处理
---
## 第一阶段:模型效果诊断
### 步骤 1:加载已有模型代码
向用户索要模型代码:
> 请提供你要诊断的神经网络模型代码文件路径(.py),或者直接把代码贴给我。
如果用户最近刚用 `neural-network` 技能生成了模型,自动定位最新的 `neural_network_*.py` 文件并确认:
> 检测到最近生成的模型文件:**{filename}**,是这个吗?(直接回复"可以"确认,或指定其他文件)
**从代码中提取以下信息:**
通过读取 `.py` 文件内容提取:
| 提取项 | 变量 | 用途 |
|--------|------|------|
| 特征矩阵 | `X_raw` | 数据量 m、特征数 n |
| 标签向量 | `y` | 类别数 K |
| 特征名 | `x_names` | 展示用 |
| 类别映射 | `y_classes` | 展示用 |
| 隐藏层大小 | `hidden_size` | 网络结构 |
| 学习率 | `alpha` | 训练参数 |
| 正则化强度 | `lam` | 训练参数 |
| 迭代次数 | `iters` | 训练参数 |
| 缩放参数 | `X_mean`, `X_std` | 预测用 |
| 训练好的参数 | `Theta1`, `Theta2` | 模型权重 |
| **是否已切分** | `DO_SPLIT` | **决定后续路径** |
| 训练集索引 | `train_idx` | 复用已有切分 |
| 验证集索引 | `val_idx` | 复用已有切分 |
| 测试集索引 | `test_idx` | 复用已有切分 |Details
- Skill name
neural-network-diagnosis- Path
skills/neural-network-diagnosis/SKILL.md- License
- MIT
- Repo updated
- 25 October 2026
FAQ
What does the Neural Network Diagnosis skill do?
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。
How do I install the Neural Network Diagnosis skill?
skills CLI (Claude Code, Cursor, Codex and more): npx skills add muralidharsoth-tech/andrew-ng-ml-claude-skills --skill neural-network-diagnosis. Skills go in ~/.claude/skills (personal) or .claude/skills (project), and Claude loads them automatically when a task matches the description.
Is Neural Network Diagnosis 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。
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.
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。
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.