先看看示例
作者提供的示例，实际效果取决于你的输入和使用工具。
输入
目标是预测订单是否取消；字段含 created_at、cancelled_at、status、amount；训练输入计划包含 cancelled_at。
输出
编辑示例 · 未运行
高风险：cancelled_at 在取消发生后才产生，预测下单时是否取消时不可用，属于潜在目标泄漏。
处理：先按预测时点列出每个字段是否可获得，移除未来信息；status 同样需要检查取值时点。
质量检查：按订单 ID 去重，统计 amount 缺失与负数；负数可能是退款，不直接删除。
报告边界：这里只审查给定字段定义，尚无数据分布结果。
方法说明
对支持的本地数据格式做字段、缺失、异常与泄漏检查，形成有边界的数据概况和 EDA 报告。 具体任务 发现预测数据中的结果泄漏：对支持的本地数据格式做字段、缺失、异常与泄漏检查，形成有边界的数据概况和 EDA 报告。 比较转换对结论的影响：在明确假设下检查异常值、对数变换或缺失处理是否改变主要观察。 必需材料 授权目录中的脱敏数据文件 字段字典和采集背景 可选材料 目标变量 已知异常与分组 使用门槛 先确认文件格式受支持、输入目录和输出目录边界明确。 这个 Skill 额外提供的方法 先建立文件清单，再看缺失、重复、泄漏和转换敏感性，给后续分析可靠起点。 编辑示例（未运行） 发现预测数据中的结果泄漏 任务：请根据下面的示例材料完成发现预测数据中的结果泄漏，把判断依据和待确认事项写清楚。 输入： 目标是预测订单是否取消；字段含 created_at、cancelled_at、status、amount；训练输入计划包含 cancelled_at。 结果片段： 高风险：cancelled_at 在取消发生后才产生，预测下单时是否取消时不可用，属于潜在目标泄漏。 处理：先按预测时点列出每个字段是否可获得，移除未来信息；status 同样需要检查取值时点。 质量检查：按订单 ID 去重，统计 amount 缺失与负数；负数可能是退款，不直接删除。 报告边界：这里只审查给定字段定义，尚无数据分布结果。 先建立文件清单，再看缺失、重复、泄漏和转换敏感性，给后续分析可靠起点。 该片段是编辑示例，用于说明交付形态，未运行上游技能。 首次任务 请使用「先看缺失和泄漏，再解释数据规律」完成「发现预测数据中的结果泄漏」。 任务要求：先建立文件清单，再看缺失、重复、泄漏和转换敏感性，给后续分析可靠起点。 我的必需材料： - 授权目录中的脱敏数据文件：[请填写或粘贴] - 字段字典和采集背景：[请填写或粘贴] 请基于上述实际材料输出：数据文件清单、统计概况、缺失和异常问题、转换敏感性与后续分析建议。缺少依据的地方单列为待确认，不编造事实；未执行的操作或测试明确标为未执行。 验收要求： 1. 输入文件清单与授权范围匹配。 2. 缺失、重复和异常处理有记录。 3. 预测字段只使用预测时点已知信息。 验收方法 输入文件清单与授权范围匹配 缺失、重复和异常处理有记录 预测字段只使用预测时点已知信息 依赖与准备 固定来源支持受约束的本地 CSV/TSV/JSON 分析，部分 NumPy/HDF5/序列与图像元数据为可选；需 Python 及对应脚本依赖，未知格式不默认支持。 使用边界 只处理明确支持的格式，不猜测未知科学文件结构。 EDA 是探索，相关性与异常值本身不能证明因果或错误。 排错 工具拒绝某格式：查能力矩阵，转换为受支持格式或用专业读取工具，不伪造解析结果。 删除异常后结论翻转：保留原始与处理后对比，调查异常来源再决定取舍。 固定来源 https://github.com/K-Dense-AI/scientific-agent-skills/blob/49c6e97775eaa18ba791bebe23162a70ae601c18/skills/exploratory-data-analysis/SKILL.md