# scikit-learn

Правило направляет Cursor при работе с Python-кодом scikit-learn: помогает оформлять предобработку и модели через Pipeline и не допускать утечки данных.

- правило · `type=rule` · Cursor · ★ 3580
- Автор: sanjeed5
- Лицензия: CC0-1.0 · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/sanjeed5/awesome-cursor-rules-mdc/tree/HEAD/rules-mdc/scikit-learn.mdc
- Обновлён: 2026-05-19
- HTML: https://affpapa.org/nevibecode/rules/scikit-learn

## Что делает

Правило применяется к файлам `**/*.py`. Оно советует сначала разделять данные на обучающую и тестовую выборки, обучать преобразования только на первой, а затем применять их к обеим. Pipeline связывает предобработку и модель, чтобы одинаково обрабатывать данные при обучении и предсказании.

Для пользовательских оценщиков правило описывает требования API scikit-learn: гиперпараметры хранятся в `__init__`, выученные значения получают имена с подчёркиванием на конце, а `fit` возвращает `self`. Также оно рекомендует задавать `random_state` для операций со случайностью. Без этого результаты таких операций могут меняться между запусками.

Чтобы подключить правило, поместите файл в `.cursor/rules/scikit-learn.mdc`. Советы о Cython относятся к производительным пользовательским алгоритмам; доступный текст не раскрывает эту часть подробнее.

## Установка

### Cursor (родная платформа)

**Вручную: положить файлы**
- Файл: `.cursor/rules/scikit-learn.mdc` — Во frontmatter: description, globs, alwaysApply

### Claude Code

**Вручную: положить файлы**
- Файл: `.claude/rules/scikit-learn.md` — Поле paths во frontmatter ограничивает файлы: globs из источника → paths

### Codex

**AGENTS.md**
- Codex читает AGENTS.md: вставьте текст правила туда

### GitHub Copilot

**Вручную: положить файлы**
- Файл: `.github/instructions/scikit-learn.instructions.md` — Поле applyTo задаёт, к каким файлам применять: globs из источника → applyTo

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/rules/scikit-learn.md`

### Cline

**Вручную: положить файлы**
- Файл: `.clinerules/scikit-learn.md`

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/sanjeed5/awesome-cursor-rules-mdc/tree/HEAD/rules-mdc/scikit-learn.mdc

## Когда брать
- собрать предобработку и модель в Pipeline
- разделить данные до обучения преобразований
- избежать утечки тестовых данных при предобработке
- привести пользовательский оценщик к API scikit-learn
- зафиксировать случайность для воспроизводимых результатов

## Примеры запросов агенту
- Проверь этот Python-код scikit-learn на утечку данных при предобработке.
- Объедини преобразование признаков и модель в Pipeline.
- Приведи пользовательский преобразователь к API scikit-learn и добавь `random_state`, где есть случайность.

## Похожие
- [scikit-learn-best-practices](https://affpapa.org/nevibecode/skills/scikit-learn-best-practices.md) — скилл · 888 установок
- [pytorch-scikit-learn-cursorrules-prompt-file](https://affpapa.org/nevibecode/rules/pytorch-scikit-learn-cursorrules-prompt-file.md) — правило · ★ 41028
- [pandas-scikit-learn-guide-cursorrules-prompt-file](https://affpapa.org/nevibecode/rules/pandas-scikit-learn-guide-cursorrules-prompt-file.md) — правило · ★ 41028
- [scikit-survival](https://affpapa.org/nevibecode/skills/scikit-survival.md) — скилл · 2000 установок
- [umap-learn](https://affpapa.org/nevibecode/skills/umap-learn.md) — скилл · 2000 установок
- [data-scientist](https://affpapa.org/nevibecode/agents/voltagent-community-data-scientist.md) — субагент · 3342 установки

Из того же набора: [sanjeed5/awesome-cursor-rules-mdc](https://affpapa.org/nevibecode/by/sanjeed5/awesome-cursor-rules-mdc.md) — 240 карточек

_Часть страницы не вошла по размеру — она есть в HTML-версии._

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md