Regression Analysis 技能：用 RMSE 对比包裹配送时间模型

Claude Code 安装步骤

从 GitHub 固定提交获取完整的 `plugins/ai-ml/regression-analysis-tool/skills/performing-regression-analysis` 目录。
复制到目标项目的 `.claude/skills/`，确认 `.claude/skills/performing-regression-analysis/SKILL.md`，再从项目根目录启动 Claude Code，输入 `/performing-regression-analysis`。

用 Claude Code 在合成表格上拟合简单线性回归，与只预测均值的基线比较，并检查留出误差。

以随机种子 7 生成 100 个样本，让 delivery_minutes 约等于 10 + 2 × route_km，再加入少量随机误差。留 20 条测试记录，比较均值基线与线性模型。

报告有两列可比较的 RMSE、拟合系数和测试样本数，可用相同配置重新计算。

GitHub 原文 · 更新日期 2026-11-13

准备 Python、pandas 与 scikit-learn。用完全合成的 route_km 和 delivery_minutes，固定训练与测试划分。

正系数描述模型里的关联。要支持因果判断还需要合适的实验或识别设计。