讲师中心 微信公众号

工具推荐

视频效率加速
SoundView
SoundView

字幕擦除翻译、配音口型同步

AniShort
AniShort

AI短剧协同制作平台

Laper
Laper

剧本策划到成片协作

立刻MV
立刻MV

低成本歌曲 MV、视频生成

在Python中怎样使用Feature-engine库进行工业级特征转换

轻浩酱_4539

轻浩酱_4539

发布时间:2026-11-22 08:34:37

|

326人浏览过

|

来源于php中文网

原创

Feature-engine是独立于scikit-learn和pandas的专注特征工程库,兼容Pipeline;安装用pip install feature-engine;核心模块含imputation、encoding、discretisation、transformation;所有变换器需先fit再transform以保证可复现性与防数据泄漏。

在python中怎样使用feature-engine库进行工业级特征转换

Feature-engine 的安装与核心模块定位

Feature-engine 不是 scikit-learn 的子集,也不是 pandas 插件,而是一个独立、专注特征工程的库,设计目标就是可部署、可复现、可嵌入 Pipeline。它所有变换器都继承自 BaseEstimator 和 TransformerMixin,天然兼容 sklearn.Pipeline。

  • 安装时建议用 pip:pip install feature-engine
  • 不要混用 feature_engine(旧名)和 feature_engine(当前正确包名),旧文档里可能写错,实际 import 始终是 import feature_engine
  • 核心模块按任务划分:feature_engine.imputation(缺失值)、feature_engine.encoding(编码)、feature_engine.discretisation(分箱)、feature_engine.transformation(数值变换)——别从 feature_engine 直接 import 所有类,容易命名冲突

用 MeanMedianImputer 处理数值型缺失值(带训练/预测分离)

工业场景中,缺失值策略必须在 fit 阶段“锁定”统计量(如均值),predict 阶段只应用,不能重新计算。这是和直接用 pandas.fillna(df.mean()) 的本质区别。

  • MeanMedianImputer 默认用均值填充,设 imputation_method="median" 可切中位数
  • 必须显式指定 variables 参数,比如 variables=["age", "income"];不传则默认对所有数值列操作,但线上推理时列顺序或存在性稍有变化就会出错
  • fit 后会把统计量存进 imputer.imputer<em>dict</em> 属性,可序列化保存(joblib.dump(imputer, "imputer.pkl")),后续 reload 后直接 transform() 即可,无需再 fit
from feature_engine.imputation import MeanMedianImputer
imputer = MeanMedianImputer(
    variables=["sales", "margin"],
    imputation_method="mean"
)
imputer.fit(X_train)
X_train_imputed = imputer.transform(X_train)  # ✅ 用训练集统计量填训练集
X_test_imputed = imputer.transform(X_test)      # ✅ 同样统计量填测试集

用 OneHotEncoder 编码分类变量(避免训练/预测不一致)

pandas.get_dummies() 在 train/test 上分别调用会导致列数不一致,OneHotEncoder 从 fit 阶段就固化类别集合,transform 时自动补零或丢弃未见过的类别。

  • 默认 drop_last=False,若需避免共线性,设为 True(会删每组最后一个 dummy 列)
  • 关键参数 drop_last_binary=True 对二值变量(如 ["Y", "N"])自动只留一列,省空间也防 collinearity
  • 若测试数据出现训练时没见过的新类别(如新用户等级 "VIP_PLUS"),默认行为是忽略该列 —— 这很安全,但你要知道它发生了;可通过 ignore_format=True + 自定义 unseen="encode" 改变策略(需 v1.7+)

为什么不能跳过 fit 直接 transform?

所有 Feature-engine 变换器都要求先 fit,因为它们不是无状态函数,而是有状态对象:

Define repeatable Python automation sessions in code with nox
Define repeatable Python automation sessions in code with nox

将测试、lint、构建和文档流程编码为命名的Python会话,以便人类和代理每次运行相同的workflow。

下载

立即学习“Python免费学习笔记(深入)”;

  • WoEEncoder 要存每个类别的 WOE 值
  • DecisionTreeDiscretiser 要存分割点
  • LogTransformer 要检查是否含非正数并记录偏移量

如果漏掉 fit 就调 transform,会报 AttributeError: 'XXX' object has no attribute 'variables_' 或类似错误。这不是 bug,是设计强制你区分学习阶段和应用阶段。

真正容易被忽略的是:Pipeline 中的每个步骤都要 fit,但线上服务时,你只能对新样本调 pipeline.transform(),绝不能再次 fit —— 否则模型就“偷看”了新数据。这个边界一旦模糊,特征逻辑就不可控。

热门AI工具

更多
音述AI
音述AI Hot

一款AI音频处理工具,主要用于音述AI是一个以“用声音述说故事”为核心的 AI 音乐创作与声音分享社区,适合需要提升相关任务效率的用户。

WorkBuddy

一款AI办公效率工具,主要用于腾讯云推出的AI原生桌面智能体工作台,适合需要提升相关任务效率的用户。

超级简历WonderCV

一款AI办公效率工具,主要用于免费求职简历模版下载制作,应届生职场人必备简历制作神器,适合需要提升相关任务效率的用户。

函子Zion

一款支持AI搭建、可视化编辑和多端发布的全栈无代码开发平台。

DeepSeek

DeepSeek是一款面向对话、写作、编程和推理场景的AI大模型工具。

码上飞
码上飞 Hot

一款基于自然语言的AI应用开发平台,可根据用户描述自动生成应用程序,帮助个人和团队快速完成应用原型与开发。

Lovart
Lovart Hot

一款面向视觉设计创作的AI设计平台,可通过智能体和画布工作流辅助制作海报、Logo、网页、PPT及其他视觉内容。

豆包大模型

豆包大模型是一款由字节跳动推出的企业级大语言模型服务平台。

讯飞智作

讯飞智作是一款AI视频创作工具,AI文本配音工具,数字人课程、营销视频制作。

相关专题

更多
python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

1971

2023.07.20

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

5664

2023.07.25

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

1929

2023.07.31

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

34777

2023.08.03

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

4047

2023.08.04

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

4067

2023.08.04

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

1303

2023.08.11

python合并两个列表
python合并两个列表

Python是一种强大的编程语言,具有许多方便的功能和工具。在Python中,有多种方法可以合并两个列表。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

636

2023.08.10

Navicat创建数据库教程
Navicat创建数据库教程

本专题整理Navicat创建数据库相关教程,介绍新建前的准备、基础设置和创建后的检查方法。内容兼顾入门学习及实际使用需求,帮助用户了解不同数据库类型下的操作差异,为后续建表、保存数据和日常管理提供参考。

0

2026.11.20

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程
关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号
PHP中文网订阅号
每天精选资源文章推送

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn