一个使用scikit-survival在Python中进行生存分析和事件时间建模的综合工具包。当处理删失生存数据、执行事件时间分析、拟合Cox模型、随机生存森林、梯度提升模型或生存SVM、使用一致性指数或Brier评分评估生存预测、处理竞争风险或使用scikit-survival库实现任何生存分析工作流时，请使用此技能。
无需复杂配置，快速集成到您的工作流
来自活跃的开源社区，持续更新维护
MIT/Apache 许可，商用个人均可使用
可根据需求自定义和扩展功能
从源仓库下载或复制 skill 文件到您的项目中。
将 skill 文件放置到 Claude 的 skills 目录中（通常是 ~/.claude/skills/）。
重启 Claude 或运行重载命令，skill 将自动加载并可供使用。
提示： 首次使用前请仔细阅读 skill 的文档和代码，确保理解其功能和权限要求。
所有 Skills 来自开源社区，保留原作者版权
K-Dense-AI__claude-scientific-skills/scientific-skills/scikit-survival/skill.md经过验证的优势和可衡量的影响
使用 Cirq，可将量子电路编译时间缩短多达 10 倍。
通过先进的噪声建模将算法准确率提升5倍。
借助高效的仿真工具，将量子实验成本降低30%。
适用于以下场景
使用 Cirq 直观的 Python 接口来构建和测试量子电路。
对量子噪声进行建模和分析，以提高算法的可靠性。
在 Google、IonQ 和 AQT 等真实的量子硬件上运行电路。
使用VQE、QAOA及其他基准评估算法性能。