# cost-prediction

Скилл cost-prediction предсказывает расходы на строительные проекты по историческим данным с помощью линейной регрессии, KNN и Random Forest. Нужен Python 3 и scikit-learn для обучения моделей на вашем датасете.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode, Windsurf (Devin Desktop), Claude.ai · 128 установок · ★ 434 у репозитория
- Автор: datadrivenconstruction
- Лицензия: MIT · policy=mirror · лицензия открытая, файл — в исходнике
- Исходник: https://github.com/datadrivenconstruction/DDC_Skills_for_AI_Agents_in_Construction/tree/HEAD/2_DDC_Book/4.5-ML-Cost-Prediction/cost-prediction/SKILL.md
- Обновлён: 2026-10-19
- Проверка безопасности: автоматическая, 2026-11-16 (текст) — признаков вредоносного кода не нашли.
- HTML: https://affpapa.org/nevibecode/skills/cost-prediction

## Что делает

Скилл преобразует данные завершённых проектов в модель, которая прогнозирует стоимость новых объектов. Внутри — подготовка данных (заполнение пропусков, кодирование категорий), инженерия признаков (производные показатели, полиномиальные признаки, логарифмические преобразования) и четыре алгоритма: Linear Regression для базовых зависимостей, K-Nearest Neighbors для локальных паттернов, Random Forest для нелинейных связей, Gradient Boosting для максимальной точности.

Для работы требуется `python3`, библиотеки `scikit-learn`, `pandas` и `numpy`. На входе — CSV с историей проектов (площадь, этажи, тип здания, сложность, итоговая стоимость). Скилл масштабирует данные, подбирает оптимальные параметры через кросс-валидацию, выводит метрики (R², MAE) и примеры прогнозов. Учитывает инфляцию при корректировке исторических затрат к текущему году.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add datadrivenconstruction/DDC_Skills_for_AI_Agents_in_Construction --skill cost-prediction -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/cost-prediction/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/cost-prediction/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add datadrivenconstruction/DDC_Skills_for_AI_Agents_in_Construction --skill cost-prediction -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/cost-prediction/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add datadrivenconstruction/DDC_Skills_for_AI_Agents_in_Construction --skill cost-prediction -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/cost-prediction/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install datadrivenconstruction/DDC_Skills_for_AI_Agents_in_Construction 2_DDC_Book/4.5-ML-Cost-Prediction/cost-prediction
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/cost-prediction/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add datadrivenconstruction/DDC_Skills_for_AI_Agents_in_Construction --skill cost-prediction -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/datadrivenconstruction/DDC_Skills_for_AI_Agents_in_Construction --path 2_DDC_Book/4.5-ML-Cost-Prediction/cost-prediction
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/cost-prediction/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add datadrivenconstruction/DDC_Skills_for_AI_Agents_in_Construction --skill cost-prediction -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/datadrivenconstruction/DDC_Skills_for_AI_Agents_in_Construction/tree/HEAD/2_DDC_Book/4.5-ML-Cost-Prediction/cost-prediction/SKILL.md

## Когда брать
- спрогнозировать стоимость проекта по его параметрам
- найти наиболее влияющие на цену факторы
- сравнить точность разных алгоритмов на вашем датасете
- подготовить исторические данные для машинного обучения
- скорректировать старые сметы на инфляцию

## Примеры запросов агенту
- обучи модель на данных проектов из projects.csv и спрогнозируй стоимость для объекта площадью 5000 м² с 10 этажами
- какие признаки сильнее всего влияют на предсказание затрат по Random Forest
- подготовь датасет historical_projects.csv для машинного обучения: закодируй категории, обработай пропуски, создай производные признаки

## Похожие
- [scikit-learn](https://affpapa.org/nevibecode/skills/tondevrel-scikit-learn.md) — скилл · 122 установки
- [scikit-survival](https://affpapa.org/nevibecode/skills/scikit-survival.md) — скилл · 2200 установок
- [Anomaly Detection](https://affpapa.org/nevibecode/skills/anomaly-detection.md) — скилл · 534 установки
- [ML Model Training](https://affpapa.org/nevibecode/skills/ml-model-training.md) — скилл · 523 установки
- [data-scientist](https://affpapa.org/nevibecode/agents/voltagent-community-data-scientist.md) — субагент · 3342 установки
- [aeon](https://affpapa.org/nevibecode/skills/aeon.md) — скилл · 52 установки

Из того же набора: [datadrivenconstruction/ddc_skills_for_ai_agents_in_construction](https://affpapa.org/nevibecode/by/datadrivenconstruction/ddc_skills_for_ai_agents_in_construction.md) — 156 карточек

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