Notre avis
Vérifie la correction mathématique des résultats d'analyse topologique des données par rapport à des benchmarks connus et des contrôles de cohérence interne.
Points forts
- Checklist de validation complète couvrant plusieurs aspects (diagrammes de persistance, persistance totale, modèles nuls, Wasserstein, réplication inter-époques).
- Inclut des benchmarks connus permettant une comparaison directe avec des résultats établis.
- Automatise des tests statistiques et de cohérence complexes qui seraient fastidieux à réaliser manuellement.
Limites
- Nécessite une connaissance approfondie de la TDA pour interpréter correctement les résultats.
- Les benchmarks fournis sont spécifiques à certains ensembles de données (p. ex. trajectory_tda, BHPS, USoc) et peuvent ne pas s'appliquer à d'autres contextes.
- Ne fournit pas de correction automatique des erreurs, seulement une détection.
Lorsque vous devez valider rigoureusement des résultats d'analyse topologique de données par rapport à des attentes ou des résultats antérieurs.
Lorsque vous avez besoin d'un outil de validation général sans dépendance à des benchmarks spécifiques ou lorsque les données sont insuffisamment structurées pour être comparées.
Analyse de sécurité
SûrThe skill is a static validation checklist and benchmark document. It contains no executable code, no tool invocations, and no instructions that could cause harm. It is purely informational.
Aucun point d'attention détecté
Exemples
/validate-topology trajectory_tda results/trajectory_tda_integration/04_nulls_wasserstein.json/validate-topology trajectory_tda results/trajectory_tda_h0_analysis.json/validate-topology — Validate Topological Results
Check mathematical correctness of TDA results against known benchmarks and internal consistency checks.
Usage
/validate-topology [domain] [result-file]
Example: /validate-topology trajectory_tda results/trajectory_tda_integration/04_nulls_wasserstein.json
Validation checklist
Persistence diagram sanity
- [ ] All birth values ≥ 0
- [ ] All death values > birth (finite features)
- [ ] H₀ has exactly one infinite feature (the final connected component)
- [ ] Feature counts are plausible for landmark count L: H₀ has L-1 finite features; H₁ count varies
Total persistence scaling
- [ ] Total persistence scales approximately linearly with L (±15% across a 2× range)
- [ ] Maximum persistence is stable across L values (should vary < 5%)
Null model consistency
- [ ] Label/cohort shuffle p-values are non-significant (negative control)
- [ ] Markov-2 null generates more total persistence than Markov-1 (higher-order Markov → more structured surrogates)
- [ ] Null distribution standard deviations are plausible (not near-zero, not huge)
Wasserstein-specific
- [ ] W(obs↔null) and W(null↔null) are of comparable magnitude (within ~3×)
- [ ] p-value = proportion of null-null distances ≥ mean(obs-null distances)
- [ ] 500 null-null pairs is sufficient for stable p-value at 3 decimal places
Cross-era replication
- [ ] BHPS-era order-shuffle H₀ p-value ≈ USoc order-shuffle direction (both significant or both not)
- [ ] BHPS-era Markov-1 direction ≈ USoc (both non-significant under total persistence)
Known benchmarks (trajectory_tda / P01)
| Test | Expected | Source | |---|---|---| | USoc order-shuffle H₀ (total persistence, L=5000) | p < 0.005 | P01 v5 Table 2 | | USoc Markov-1 H₀ (total persistence) | p = 1.000 | P01 v5 Table 2 | | USoc Markov-1 H₀ (Wasserstein, L=2000) | p = 0.002 | P01 v5 Table 2b | | BHPS order-shuffle H₀ | p = 0.000 | P01 v5 §4.7 | | BHPS Markov-1 H₀ | p = 1.000 | P01 v5 §4.7 | | GMM bootstrap ARI | 0.646 ± 0.086 | P01 v5 §3.5 |
Ingénierie de Prompts
Data & IA
Bonnes pratiques et templates de prompt engineering pour maximiser les résultats IA.
Visualisation de Données
Data & IA
Génère des visualisations de données et graphiques adaptés à vos données.
Architecture RAG
Data & IA
Guide de configuration d'architectures RAG (Retrieval-Augmented Generation).