前言¶
做数据分析原型时，常常只想跑一个聚类、一个分类或一条回归线，确认一下数据的结构，并不想为此装一套环境、引一个重量级依赖，也不想在两次运行之间得到不同的结果。这个 Skill 针对的就是这一步：把 k-means 聚类、k-NN 分类和线性回归（含 R²）作为内置的确定性算法提供出来，在托管执行器上直接返回结果。
这是什么¶
机器学习 / Machine learning 是一个发布在 SkillHub 上的社区来源 Skill，坐标 @user_f4fc8899/bio-machine-learning-integrated，当前版本 1.4.20，发布者为 user_f4fc8899，分类属于 data-analysis。它解决的问题是：在不需要本地工具链、不需要第三方账号的前提下，拿到一个结构清晰、可复现的算法计算结果。
核心功能¶
根据官方简介，该 Skill 内置三类算法，均为确定性实现：
1、k-means 聚类：把输入数据划分到 k 个簇，簇中心由算法迭代确定。
2、k-NN 分类：基于最近邻的监督分类，需要带标签的样本作为参照。
3、线性回归（含 R²）：给出回归结果并附带 R² 拟合优度，用于判断线性关系强弱。
结果可复现是它明确列出的特性：同样的输入会得到同样的输出，不依赖随机初始化或外部状态。
在执行方式上，简介说明该 Skill 由已注册的托管执行器（hosted executor）承载：它接受已记录的 JSON 输入，返回结构化内容；当提供相应参数时，输出中包含 Markdown。它不运行上游本地工具链，也不操作第三方账号，交付物仅为经过校验的服务端响应。
标识与来源¶
该 Skill 的元数据如下，可直接用于在 SkillHub 上检索和识别：
名称：机器学习 / Machine learning
坐标：@user_f4fc8899/bio-machine-learning-integrated
版本：1.4.20
来源：community
分类：data-analysis
发布者：user_f4fc8899
标签：pricing_type=alipay, requires_api_key=false
其中 requires_api_key=false 表示按现有标签不需要额外配置 API Key；pricing_type=alipay 指向其计费方式，具体以官方页面为准。
页面显示的评分与下载量为：评分 100000，下载 1014，安装 0。这三个数字仅反映该页面当前展示值，不作横向比较。
安装与启用¶
本次抓取未能打开该 Skill 的官方页面，因此没有拿到可核实的安装命令、目录路径或配置文件字段。这里不推测、不补写任何命令。
可以确认的是它遵循通用的 SKILL.md 格式，坐标如上。需要安装或启用时，建议直接打开下方的官方地址，在 SkillHub 页面查看针对该 Skill 给出的具体安装方式；不同客户端（Cursor、Codex CLI、Claude Code 等）如果存在差异，应以官方页面说明为准，本文不替它补充。
典型用法¶
该 Skill 的输入是已记录的 JSON 格式，输出为结构化内容；当提供相应参数时，输出中包含 Markdown。三类算法分别对应聚类、分类和回归三个方向，实际调用时按算法类型组织输入即可。
由于本次未能获取到官方示例的具体字段名和取值，这里不放虚构的调用样例。建议在官方页面确认输入 JSON 的字段定义后再调用，避免凭经验猜测字段。
适用场景与注意¶
适合的场景是数据分析、模型选型前的结构探查、以及对结果一致性有要求的对照实验：需要快速拿到一个可复现的聚类或回归结果，作为后续判断的基线。
需要注意几点。第一，它只提供这三类确定性算法，不覆盖决策树、神经网络或其他模型，超出范围的需求要另找方案。第二，托管执行器不运行上游本地工具链、不操作第三方账号，交付物仅为服务端响应，意味着不能把它当作一个本地可扩展的计算环境。第三，本次抓取未能核实输入 JSON 的字段定义和调用细节，上线前请以官方页面文档为准。第四，标签中的计费信息以官方页面最新说明为准。
结尾¶
这个 Skill 的价值在于把三件常用的确定性算法打包成一个可直接调用的托管能力，省去环境搭建和结果不确定性的麻烦。如果你的需求正好落在 k-means、k-NN 或线性回归（含 R²）之内，并且看重可复现性，它可以作为分析流程里的一步来用。官方地址：
https://api.skillhub.cn/user_f4fc8899/bio-machine-learning-integrated
SkillHub 页面：
https://www.skillhub.cn/skills/user_f4fc8899/bio-machine-learning-integrated
