前言¶
做數據分析原型時，常常只想跑一個聚類、一個分類或一條迴歸線，確認一下數據的結構，並不想爲此裝一套環境、引一個重量級依賴，也不想在兩次運行之間得到不同的結果。這個 Skill 針對的就是這一步：把 k-means 聚類、k-NN 分類和線性迴歸（含 R²）作爲內置的確定性算法提供出來，在託管執行器上直接返回結果。
這是什麼¶
機器學習 / Machine learning 是一個發佈在 SkillHub 上的社區來源 Skill，座標 @user_f4fc8899/bio-machine-learning-integrated，當前版本 1.4.20，發佈者爲 user_f4fc8899，分類屬於 data-analysis。它解決的問題是：在不需要本地工具鏈、不需要第三方賬號的前提下，拿到一個結構清晰、可復現的算法計算結果。
核心功能¶
根據官方簡介，該 Skill 內置三類算法，均爲確定性實現：
1、k-means 聚類：把輸入數據劃分到 k 個簇，簇中心由算法迭代確定。
2、k-NN 分類：基於最近鄰的監督分類，需要帶標籤的樣本作爲參照。
3、線性迴歸（含 R²）：給出迴歸結果並附帶 R² 擬合優度，用於判斷線性關係強弱。
結果可復現是它明確列出的特性：同樣的輸入會得到同樣的輸出，不依賴隨機初始化或外部狀態。
在執行方式上，簡介說明該 Skill 由已註冊的託管執行器（hosted executor）承載：它接受已記錄的 JSON 輸入，返回結構化內容；當提供相應參數時，輸出中包含 Markdown。它不運行上游本地工具鏈，也不操作第三方賬號，交付物僅爲經過校驗的服務端響應。
標識與來源¶
該 Skill 的元數據如下，可直接用於在 SkillHub 上檢索和識別：
名稱：機器學習 / Machine learning
座標：@user_f4fc8899/bio-machine-learning-integrated
版本：1.4.20
來源：community
分類：data-analysis
發佈者：user_f4fc8899
標籤：pricing_type=alipay, requires_api_key=false
其中 requires_api_key=false 表示按現有標籤不需要額外配置 API Key；pricing_type=alipay 指向其計費方式，具體以官方頁面爲準。
頁面顯示的評分與下載量爲：評分 100000，下載 1014，安裝 0。這三個數字僅反映該頁面當前展示值，不作橫向比較。
安裝與啓用¶
本次抓取未能打開該 Skill 的官方頁面，因此沒有拿到可覈實的安裝命令、目錄路徑或配置文件字段。這裏不推測、不補寫任何命令。
可以確認的是它遵循通用的 SKILL.md 格式，座標如上。需要安裝或啓用時，建議直接打開下方的官方地址，在 SkillHub 頁面查看針對該 Skill 給出的具體安裝方式；不同客戶端（Cursor、Codex CLI、Claude Code 等）如果存在差異，應以官方頁面說明爲準，本文不替它補充。
典型用法¶
該 Skill 的輸入是已記錄的 JSON 格式，輸出爲結構化內容；當提供相應參數時，輸出中包含 Markdown。三類算法分別對應聚類、分類和迴歸三個方向，實際調用時按算法類型組織輸入即可。
由於本次未能獲取到官方示例的具體字段名和取值，這裏不放虛構的調用樣例。建議在官方頁面確認輸入 JSON 的字段定義後再調用，避免憑經驗猜測字段。
適用場景與注意¶
適合的場景是數據分析、模型選型前的結構探查、以及對結果一致性有要求的對照實驗：需要快速拿到一個可復現的聚類或迴歸結果，作爲後續判斷的基線。
需要注意幾點。第一，它只提供這三類確定性算法，不覆蓋決策樹、神經網絡或其他模型，超出範圍的需求要另找方案。第二，託管執行器不運行上游本地工具鏈、不操作第三方賬號，交付物僅爲服務端響應，意味着不能把它當作一個本地可擴展的計算環境。第三，本次抓取未能覈實輸入 JSON 的字段定義和調用細節，上線前請以官方頁面文檔爲準。第四，標籤中的計費信息以官方頁面最新說明爲準。
結尾¶
這個 Skill 的價值在於把三件常用的確定性算法打包成一個可直接調用的託管能力，省去環境搭建和結果不確定性的麻煩。如果你的需求正好落在 k-means、k-NN 或線性迴歸（含 R²）之內，並且看重可復現性，它可以作爲分析流程裏的一步來用。官方地址：
https://api.skillhub.cn/user_f4fc8899/bio-machine-learning-integrated
SkillHub 頁面：
https://www.skillhub.cn/skills/user_f4fc8899/bio-machine-learning-integrated
