SelectKBest选特征后列顺序改变，因其按统计得分降序排列并取前K个，不保持原始列序；需用get_support()获取布尔掩码再索引原列名。
为什么SelectKBest选出来的特征顺序和原始X列不一致？
因为 SelectKBest 默认只保留得分最高的 k 个特征，但**不保持原始列顺序**——它按统计得分（如 f_classif 或 chi2）从高到低排序后取前 k 个，所以索引位置会变。如果你依赖列名做后续解释或映射，必须显式获取被选中的列名。
实操建议：
- 用
selector.get_support()得到布尔掩码，再用它索引原始feature_names列表 - 别直接用
X_new.columns（如果 X 是 DataFrame），因为SelectKBest返回的是 ndarray，不带列名；需手动重建 DataFrame - 示例：
mask = selector.get_support()<br>selected_names = X.columns[mask].tolist()
分类任务该用 f_classif 还是 chi2？
f_classif 要求输入特征为连续型、目标 y 为离散标签，适合大多数数值型特征 + 分类场景；chi2 要求所有特征 ≥ 0（如 TF-IDF、计数特征），且内部做卡方检验，对负值会报错 ValueError: Input X must be non-negative。
常见错误现象：
立即学习“Python免费学习笔记（深入）”；
- 用
chi2处理标准化后的特征（含负值）→ 直接崩溃 - 用
f_classif处理高度稀疏的文本计数矩阵 → 得分不稳定，不如chi2或mutual_info_classif - 没做预处理：比如没剔除常数列，
f_classif会返回nan，导致SelectKBest报ValueError: Input X must be finite
如何让 SelectKBest 支持 DataFrame 输入并保留列名？
SelectKBest 原生只接受 ndarray，但你可以封装一层：继承它，重写 fit_transform 和 transform，在返回时重建 DataFrame。关键不是“能不能”，而是“要不要”——多数 pipeline 场景中，后续模型（如 LogisticRegression）只认数组，强行保列名反而增加出错点。
更稳妥的做法：
- 训练前用
X = pd.DataFrame(X, columns=original_cols)确保可追溯 - 选完后立刻记录：
selected_mask = selector.get_support()<br>final_features = list(np.array(original_cols)[selected_mask])
- 避免在
transform后直接调.columns—— 返回值类型取决于你传入什么，SelectKBest本身不识别 DataFrame
和 RFE、VarianceThreshold 比，SelectKBest 最适合什么场景？
它是单变量过滤法，计算快、无模型耦合，适合初筛：比如上万维稀疏特征（如 NLP）中快速砍到几百维；或者作为 pipeline 第一步，排除明显无关列。但它完全忽略特征交互——两个单独得分低的特征，组合起来可能很强。
容易踩的坑：
- 在小样本上用
f_classif，F 值波动大，k 取 10 可能比取 5 更差 - 和树模型（如
RandomForestClassifier）混用：树本身有内置特征重要性，再叠SelectKBest属于重复劳动，还可能削弱表现 - 没做标准化就喂给
mutual_info_classif：虽然它不要求非负，但对尺度敏感，建议先StandardScaler或MinMaxScaler
真正要注意的，是别把它当成万能入口——它不处理多重共线性，也不适合作为最终特征集交付，只是快速探路的那把小刀。
