Convergence diagnostics, fit evaluation, and debugging for Marketing Mix Models. Use when checking rhat, ESS, divergences, evaluating model fit metrics (R-squared, MAPE, wMAPE), debugging sampling issues, assessing overfitting, running model comparison (LOO/WAIC), or validating cross-validation results. Also activate when the user encounters convergence warnings, poor model fit, or needs to unders
/plugin marketplace add Yakoub-ai/agent-mmm
El comando exacto puede variar según el repositorio. Consulta el README en GitHub.
Para el autor de la skill
Muestra que tu skill está catalogada en Skillteca, genera backlink y tráfico rastreable.
[](https://www.skillteca.com.br/skills/mmm-diagnostics?utm_source=badge&utm_medium=readme&utm_campaign=badge)
Build, debug, and optimize Claude API / Anthropic SDK apps. Apps built with this skill should include prompt caching. Also handles migrating existing Claude API code between Claude model versions (4.5 → 4.6, 4.6 → 4.7, retired-model replacements). TRIGGER when: code imports `anthropic`/`@anthropic-ai/sdk`; user asks for the Claude API, Anthropic SDK, or Managed Agents; user adds/modifies/tunes a C
Cree nuevas habilidades, modifique y mejore las existentes, y mida su rendimiento. Se utiliza para desarrollar, editar, optimizar, probar y comparar habilidades, así como para refinar sus descripciones para una mejor precisión de activación.
Esta habilidad agrupa los backlogs de issues de GitHub por causa raíz en issues maestras de plan, redirige las issues relacionadas y agrupa los PRs de corrección arquitectónica para cerrar clusters atómicamente. Es ideal para clasificar y consolidar numerosas issues que comparten defectos subyacentes, o para construir una serie de planes o una hoja de ruta.
Captura las acciones de su agente entre sesiones, las comprime con IA e inyecta contexto relevante en interacciones futuras. Compatible con Claude Code, OpenClaw, Codex, Gemini, Hermes, Copilot, OpenCode y más.
Alerta por categoría
Un email corto con solo las skills nuevas de Desenvolvimento. 4 minutos de lectura, sin spam, te das de baja con un clic.
Confirmas tu email en el primer envío. Sin spam. Te das de baja con un clic.
Run these checks immediately after fitting:
| Check | Threshold | Ideal | How to Check |
|---|---|---|---|
| rhat | < 1.05 | < 1.02 | az.summary(model.idata)["r_hat"].max() |
| ESS bulk | > 400 | > 1000 | az.summary(model.idata)["ess_bulk"].min() |
| ESS tail | > 400 | > 1000 | az.summary(model.idata)["ess_tail"].min() |
| Divergences | 0 | 0 | model.idata.sample_stats["diverging"].sum() |
| Energy | No b |
[Description truncada. Veja o README completo no GitHub.]
Entra para comentar. Entrar
