应优先使用 PolynomialFeatures 生成交互项和高次项，因其与 Pipeline 和交叉验证兼容、避免手动拼接的顺序和截距错误；需先 StandardScaler 再变换以防数值失衡。
什么时候该用 PolynomialFeatures 而不是自己写平方项？
当你需要系统性地生成交互项和高次项（比如 x1*x2、x1²、x2³），且后续要和 Pipeline 配合或做交叉验证时，PolynomialFeatures 是更安全的选择。自己手动拼接列容易漏掉截距、搞错顺序，也难复现。
常见错误现象：ValueError: Found array with dim 3. Estimator expected —— 多半是传了 pandas DataFrame 而不是 numpy array 或 2D array；或者没 reshape 单个样本（如 <code>X.reshape(1, -1)）。
-
interaction_only=True只生成交叉项（如x1*x2），不生成平方项（x1²），适合防止过拟合 -
include_bias=False通常要设为True（默认），否则线性模型会少截距项；但若后续接的是带截距的模型（如LinearRegression），可设False避免冗余 - 高阶（
degree=3）在特征数 >5 时爆炸式增长：5 个原始特征 →degree=2产生 20+ 列，degree=3超过 50 列，务必先StandardScaler再变换，否则数值尺度差异会让高次项主导梯度
KBinsDiscretizer 的 strategy 参数怎么选？
它不是“离散化”而是“分箱后编码”，本质是把连续变量切成若干段再转成 one-hot 或 ordinal 编码。关键在策略选择是否匹配业务逻辑或模型假设。
使用场景：树模型对分箱不敏感，但线性模型 + 分箱后能捕捉非线性趋势；strategy="quantile" 保证每箱样本数大致相等，"uniform" 按值域等宽切分，"kmeans" 按聚类中心切——但后者不稳定，每次 fit 结果可能不同。
立即学习“Python免费学习笔记（深入）”；
SkillSub Pro - Python 题解与代码注释双功能技能功能概述SkillSub Pro - Python 题解与代码注释双功能技能是一项面向实际任务的技能，主要用于SkillSub Pro 是一个 Python 题解生成与代码注释的 双功能合体技能 ，专为学生、算法学习者和开发者设计；✅ 一个技能，两种用途 ：；核心要点📝 题解模式 ：输入题目/题号，自动生成完整 Python 题解（含详细注释、解题思路、复杂度分析）；💬 注释模式 ：输入 Python 代码，自动添加详细中。它将相关步骤、
-
encode="onehot-dense"输出 dense array，适合小箱子数；"ordinal"输出整数编码，省内存但隐含顺序假设 - 注意
n_bins过大会导致稀疏、过小则丢失信息；建议从 5–10 开始试，结合验证集 AUC 或 RMSE 判断 - fit 时若某箱无数据（如训练集某区间没值），transform 时遇到该区间会报
ValueError: bins[i] must increase monotonically；加handle_unknown="ignore"（仅encode="onehot"支持）可兜底
为什么 FunctionTransformer 常被误用？
它只是包装一个函数，不做任何适配或校验。很多人以为它能自动处理 pandas DataFrame，结果传入后报 AttributeError: 'DataFrame' object has no attribute 'reshape'。
典型错误：直接传 lambda lambda x: np.log1p(x)，但没考虑 x 是 DataFrame 还是 array，也没处理负值或零值（np.log1p 虽安全，但 np.log 就不行）。
- 必须显式指定
validate=False才允许传入 DataFrame；否则默认调check_array，强制转成 numpy array 并丢弃列名 - 如果函数内部用了 pandas 方法（如
.clip()），就得确保输入是 DataFrame，且在func中做类型判断或强制转换 - 不要在
FunctionTransformer里做 fit 逻辑（比如计算训练集均值）——它没有fit状态，所有参数得提前算好并闭包进去；真要拟合，请用自定义 transformer 继承BaseEstimator和TransformerMixin
非线性变换后模型效果变差，先查这三件事
不是变换本身有问题，而是 pipeline 链路中某个环节放大了噪声或破坏了结构。
- 确认是否在
PolynomialFeatures前忘了标准化：原始特征量纲差异大会让高次项数值极大，导致LinearRegression的系数震荡，甚至ConvergenceWarning - 检查 cross-validation 是否在变换前 split：如果先全量 fit
PolynomialFeatures再 split，就是数据泄露；正确做法是把变换器放进 Pipeline，让每次 fold 独立 fit - 用
pipeline.named_steps['poly'].get_feature_names_out()打印新特征名，核对是否出现意外的全零列（比如某原始特征全为 0，其高次项也全为 0）——这些列会让某些模型（如 LogisticRegression with L1）异常收敛
真正麻烦的不是选哪个变换器，而是每个变换器对缺失值、无穷值、类别型字段的容忍度不同。比如 PolynomialFeatures 不吃 NaN，KBinsDiscretizer 默认丢弃含 NaN 行，而 FunctionTransformer 完全不管——这些细节不提前处理，跑着跑着就中断了。
