VarianceThreshold仅按设定阈值硬过滤，不判断合理性；剔除后特征数不变常见于未标准化导致高量纲特征主导方差，或所有特征方差均大于设定阈值。

VarianceThreshold 不会自动帮你判断“低方差”是否合理，它只按你给的 threshold 硬过滤——设错值可能直接干掉有业务意义的特征。

为什么 VarianceThreshold 剔除后特征数没变？

常见原因是数据没标准化，尤其当特征量纲差异大（比如年龄是 0–100，而收入是 10000–2000000）时，原始方差完全被高量纲特征主导；VarianceThreshold 默认计算的是原始方差，不是归一化后的。

• 检查前先确认数据类型：必须是数值型，object 或 category 列会报 ValueError: Expected numerical
• 用 df.var(numeric_only=True) 手动看各列方差，对比你设的 threshold
• 默认 threshold=0.0，只删全相同（方差为 0）的列；设 0.01 却没删，大概率是所有列方差都 > 0.01

如何设置合理的 threshold？

没有通用值，得结合数据分布和建模目标来定。二值特征（0/1）方差最大为 0.25（当比例 1:1），连续特征则依赖缩放。别直接拍脑袋设 0.1。

Claw Code Suite (Python-Only Edition)

仅使用 Python 将 Claw Code 虚拟化框架与 OpenClaw 集成，提供 184 种工具和 200 多条命令，用于安全分析和代码质量...

下载

• 对二值特征，可设 threshold=0.01 剔除占比 90% 的列（对应方差 ≈ p×(1−p)
• 对连续特征，先用 StandardScaler 或 MinMaxScaler 归一化再算方差，否则 threshold=0.001 可能太松、0.1 又太紧
• 用 VarianceThreshold(threshold=1e-4).fit(X) 后，查 selector.get_support() 看哪些被保留，比盲删更可控

和 selectKBest 混用时要注意什么？

VarianceThreshold 是无监督预处理，selectKBest 是有监督特征选择——顺序错了会泄露标签信息，且 VarianceThreshold 可能提前砍掉后续评分高的特征。

立即学习“Python免费学习笔记（深入）”；

• 务必先做 VarianceThreshold，再做 selectKBest，不能反过来
• Pipeline 中要写成：make_pipeline(VarianceThreshold(threshold=0.01), SelectKBest(k=10))
• 如果用 cross_val_score，确保整个 pipeline 被传入，否则 VarianceThreshold 在 CV 外拟合，导致训练/验证集不一致

真正容易被忽略的是：方差低 ≠ 信息量低。比如某列是 ID 编码或时间戳，方差可能极高但毫无预测力；而某列是稀疏事件标志（99% 为 0），方差虽低，却是关键信号。VarianceThreshold 只管数字，不管语义。