Datarobot Feature Engineering
作者 datarobot-oss44a57d315afd無授權條款29 個星標收錄於 2026年10月8日更新於 2026年10月8日儲存庫今天更新
Guidance for feature engineering, feature discovery, feature importance analysis, and understanding DataRobot's automated feature engineering capabilities. Use when working with feature engineering, feature discovery, or analyzing feature importance in DataRobot.
新增到 SourceWeft 工作區
- 在儀表板中開啟該技能，並將它新增到工作區。
- 為需要使用它的對話啟用該技能。
該技能僅含說明：不附帶任何可執行的腳本。
新增到 SourceWeft系統會先要求你登入，然後直接帶你回到這個技能。
讓你的代理程式來安裝
把這段提示詞貼上到 Claude Code、Codex、Cursor 或其他能執行命令的代理程式中，也可以貼上到 SourceWeft 對話裡。代理程式會閱讀這個技能的安裝說明，向你展示它的來源、授權條款和腳本情況，在你同意後用 SourceWeft CLI 安裝。
閱讀 https://sourceweft.com/skills/gh-datarobot-oss-datarobot-agent-skills-datarobot-feature-engineering/install.md 中的說明，按說明安裝這個技能。安裝前先告訴我它的來源、授權條款以及是否附帶腳本，等我確認。修改我電腦上的其他任何內容之前也要先問我。用命令列自行安裝
適用於 Claude Code、Codex、Cursor 及其他本機代理程式。SourceWeft CLI 會從原始碼儲存庫中取得此處掃描過的那次提交，並根據掃描時記錄的雜湊值逐一驗證每個檔案。只要有任何不一致，就不會寫入任何內容。
npx @sourceweft/cli skills install gh-datarobot-oss-datarobot-agent-skills-datarobot-feature-engineering新增 --agent claude-code、codex、cursor 或 universal 來選擇安裝給哪個代理程式（預設為 Claude Code）。
上游安裝器——未經 SourceWeft 驗證
開源的 skills 安裝器會取得同一個固定的提交，但不會根據 SourceWeft 記錄的雜湊值驗證檔案。
npx skills add https://github.com/datarobot-oss/datarobot-agent-skills/tree/44a57d315afd36a9f2b192fde70ceb2a53e69316/skills/datarobot-feature-engineering來源與署名
來源：datarobot-oss/datarobot-agent-skills位於skills/datarobot-feature-engineering提交44a57d3
授權條款： 無授權條款
內容歸原作者所有。SourceWeft 從公開儲存庫中收錄這些內容。
更多來自 datarobot-oss/datarobot-agent-skills 的技能
Datarobot Predictions
datarobot-oss
指導使用 DataRobot 部署進行預測、批次評分、產生資料集範本、驗證資料並解釋單筆預測。
Datarobot Model Monitoring
datarobot-oss
指導監控已部署的 DataRobot 模型：效能指標、資料漂移、預測異常與健康警示。
Datarobot Model Deployment
datarobot-oss
指導使用 DataRobot Python SDK 部署與管理 DataRobot 模型。
Datarobot Discover
datarobot-oss
擷取 DataRobot 即時型錄，並為使用者任務列出相符的技能、MCP 伺服器、代理與資源。
Datarobot Data Preparation
datarobot-oss
指導透過 Python SDK 在 DataRobot 中上傳、驗證與管理資料集，並附上一個上傳輔助指令碼。
更多Data & Analytics技能
Spanner Basics
指導 Google Cloud Spanner 的執行個體與資料庫管理、結構定義設計、查詢與效能診斷。
Gke Cost Analysis
使用 BigQuery 帳單匯出資料與即時叢集指標，回答關於 GKE 叢集與工作負載成本的自然語言問題。
Datalineage Bigquery Asset Impact Analysis
引導代理使用資料血緣對 BigQuery 資料表或檢視表進行下游影響（爆炸半徑）分析。
Bigquery Troubleshooting
透過結構化根因工作流程診斷失敗、緩慢或費用異常的 BigQuery 作業。
Bigquery Optimization
指導 BigQuery 在容量版本、儲存配置與 SQL 查詢方面的成本與效能最佳化。
Bigquery Bigframes
指導使用 BigQuery DataFrames（BigFrames）撰寫 Python 程式碼，用於資料處理、分析與機器學習。