Hyperparameter Tuner 技能：用 GridSearchCV 比较模型设置

Claude Code 安装步骤

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

用 Claude Code 设计小型超参数网格，指定评价指标和固定切分，生成可复算的验证成绩表。

用合成商品类别数据比较随机森林 max_depth 为 2、4、6。固定模型与分层折的随机种子，按 macro F1 选择，在预留测试集上评估选中配置。

交叉验证结果包含三组参数与分数，测试报告能对照选中的配置。

GitHub 原文 · 更新日期 2026-11-13

准备 Python、scikit-learn 与合成分类数据。将测试集保留给最终评估。

把测试集留到选择结束。需要继续优化时，在训练数据内部扩展搜索范围。