Agent Skills › Zafer-Liu/Data-Analysis-Agent › gru

gru

GitHub

基于GRU深度学习模型进行时间序列预测。通过校验数据充足性，严格按时间划分训练验证集，执行模型计算并生成可视化图表，同时提供基线对比与不确定性评估。

skills/gru/SKILL.md Zafer-Liu/Data-Analysis-Agent

触发场景

需要进行时间序列预测使用深度学习模型分析时序数据

安装

npx skills add Zafer-Liu/Data-Analysis-Agent --skill gru -g -y

更多选项

不安装直接使用

npx skills use Zafer-Liu/Data-Analysis-Agent@gru

指定 Agent (Claude Code)

npx skills add Zafer-Liu/Data-Analysis-Agent --skill gru -a claude-code -g -y

安装 repo 全部 skill

npx skills add Zafer-Liu/Data-Analysis-Agent --all -g -y

预览 repo 内 skill

npx skills add Zafer-Liu/Data-Analysis-Agent --list

SKILL.md

Frontmatter

{
    "icon": "🧠",
    "name": "gru",
    "description": "使用 GRU 对足量时间序列进行预测（forecast deep learning）",
    "allowedTools": [
        "get_schema",
        "query_data",
        "run_analysis",
        "generate_chart"
    ]
}

GRU 预测

仅在样本量和序列长度足够时使用。确认窗口、特征和预测期，严格按时间划分训练验证，避免泄漏，报告基线对比、误差和不确定性；小数据优先建议传统时序模型。

Tool routing

Use get_schema to identify the time column, target column, feature columns, and source table.
Use query_data only to verify sorted sequence length, missingness, and whether the sample size is sufficient.
Use run_analysis with analysis_name="Time_Series_GRU" for the actual model computation.
Use generate_chart on forecast or validation result tables after run_analysis succeeds.