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

tree

GitHub

利用决策树模型分析数据，识别影响目标变量的关键规则。涵盖特征处理、模型训练验证及可视化报告，强调可解释性并避免因果混淆。

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

触发场景

需要构建决策树模型进行特征重要性分析生成可解释的规则报告

安装

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

更多选项

不安装直接使用

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

指定 Agent (Claude Code)

npx skills add Zafer-Liu/Data-Analysis-Agent --skill tree -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": "tree",
    "description": "使用决策树识别影响目标变量的关键规则（decision tree 决策树）",
    "allowedTools": [
        "get_schema",
        "query_data",
        "run_analysis",
        "generate_chart"
    ]
}

决策树分析

确认目标变量和任务类型，排除泄漏字段，合理处理缺失值与类别变量。执行训练验证并报告性能、重要特征和可解释规则；避免把相关性表述为因果。

Tool routing

Use get_schema to identify the target, candidate features, task type, and source table.
Use query_data to verify field names, target distribution, missingness, and leakage risks.
Use run_analysis with analysis_name="Decision_Tree" for the actual tree computation.
Use generate_chart on tree, feature importance, or validation result tables after run_analysis succeeds.