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

tree

GitHub

基于决策树算法进行数据分析，识别关键规则与特征重要性。通过查询数据、执行训练验证并生成可视化图表，提供可解释的分析结果，同时规避数据泄漏与因果混淆风险。

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

触发场景

需要分析影响目标变量的关键规则需要进行决策树模型训练与特征重要性评估需要生成决策树可视化图表

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",
    "tags": [
        "mode-business",
        "mode-ml",
        "modeling"
    ],
    "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.