wanshuiyin/Auto-claude-code-research-in-sleep✦ 精选0°

analyze-results

仓库创建 2026年3月10日最近提交 5 天前SkillHot 收录 20 天前

⬈ GitHub 仓库 ⬈ SKILL.md 原文件 ⬇ Raw 原始文件

▸ 精选理由

快速把分散结果汇总成可比表格与统计结论

▸ 风险提示

会读取项目目录下的结果文件，需注意敏感数据

这个 Skill 做什么

解析 ML 实验结果，统计比较并生成洞见与对比表格

把 ML 实验输出的 JSON/CSV 结果抓出来做统计对比，生成表格、可视化和结论洞见，告诉你哪组设置更稳、哪项差异显著。适合对比模型、超参或数据变动后的性能结果时用。特点是自动归类变量、计算指标并给出解读，省去手工比对的繁琐。

▸ 展开 SKILL.md 英文原文

Analyze ML experiment results, compute statistics, generate comparison tables and insights. Use when user says "analyze results", "compare", or needs to interpret experimental data.

数据与抓取实验分析统计比较结果洞见通用

1.4w

Stars

1.2k

Forks

仓库内 Skill

+844

7 日增星

安装 / 使用

给你的 Agent 一句话（通用）

帮我安装这个 skill：https://raw.githubusercontent.com/wanshuiyin/Auto-claude-code-research-in-sleep/main/skills/analyze-results/SKILL.md

或 curl 直取 SKILL.md

curl -fsSL "https://raw.githubusercontent.com/wanshuiyin/Auto-claude-code-research-in-sleep/main/skills/analyze-results/SKILL.md"

SKILL.MD 节选查看完整文件 ↗

# Analyze Experiment Results

Analyze: $ARGUMENTS

## Workflow

### Step 1: Locate Results
Find all relevant JSON/CSV result files:
- Check `figures/`, `results/`, or project-specific output directories
- Parse JSON results into structured data

### Step 2: Build Comparison Table
Organize results by:
- **Independent variables**: model type, hyperparameters, data config
- **Dependent variables**: primary metric (e.g., perplexity, accuracy, loss), secondary metrics
- **Delta vs baseline**: always compute relative improvement

### Step 3: Statistical Analysis
- If multiple seeds: report mean +/- std, check reproducibility
- If sweeping a parameter: identify trends (monotonic, U-shaped, plateau)

via SKILL·HOT · 数据来自 GitHub 公开信息 · 原文版权归作者所有