VarianceThreshold有时不生效，因NaN列方差为nan被跳过；二值特征需阈值设为0.0才过滤全相同列；浮点误差致方差虚高；须用get_support()手动检查过滤结果；应先过滤再标准化；低方差特征未必无用，需结合业务分析。
为什么 VarianceThreshold 有时不生效？
它只看方差，不看数据类型或缺失值。如果某列全是 NaN，numpy 默认会算出 nan 方差，VarianceThreshold 直接跳过该列（不报错也不过滤），结果看起来“没反应”。
- 务必先用
pandas.isna().sum()检查缺失情况，再决定是否填充或删列 -
VarianceThreshold对二值特征（0/1）有效，但阈值设为0.0才能过滤全相同值；设成0.1可能漏掉全为 0 的列（方差=0） - 注意：
float64下极小浮点误差（如1e-15）会导致方差非零，看似“有变化”实则无业务意义——建议先标准化或四舍五入到合理小数位
怎么确认哪些特征被 VarianceThreshold 过滤掉了？
它不自带日志，得手动比对。拟合后通过 get_support() 返回布尔数组，再和原始列名对齐。
- 示例：
selector = VarianceThreshold(threshold=0.0)<br>X_filtered = selector.fit_transform(X)<br>kept_cols = X.columns[selector.get_support()].tolist()<br>dropped_cols = X.columns[~selector.get_support()].tolist()
- 别直接用
selector.transform(X)前不检查fit是否成功——如果所有列方差都低于阈值，fit_transform会返回空数组，后续模型直接报ValueError: Found array with 0 feature(s) - 推荐加一句断言：
assert len(kept_cols) > 0, f"All features dropped! Check variance of {X.columns.tolist()}"
VarianceThreshold 和 StandardScaler 谁先谁后？
必须先 VarianceThreshold，再缩放。因为 StandardScaler 会把常数列变成全 0（均值中心化后），但方差仍是 0，无法被后续的 VarianceThreshold 捕获。
- 错误顺序：
StandardScaler → VarianceThreshold：常数列还在，但方差仍为 0，VarianceThreshold能过滤，但缩放这步白做了 - 正确顺序：
VarianceThreshold → StandardScaler：先剔除无效列，再对剩余列做数值稳定处理 - 更安全的做法：在 pipeline 里固定顺序，避免手写时颠倒 ——
Pipeline([('filter', VarianceThreshold()), ('scale', StandardScaler())])
评估过滤效果不能只看维度下降
维度减少 ≠ 特征质量提升。有些低方差特征其实携带关键信号，比如“是否VIP”这种稀疏二值列，可能 99% 是 0，但那 1% 的 1 对预测至关重要。
- 先画分布：
X['vip_flag'].value_counts(normalize=True)，看是不是“稀疏但重要” - 对比过滤前后模型性能：用
cross_val_score在同一折上跑两次，差异大于 0.02 就得警惕 - 特别注意类别型特征转
OneHotEncoder后产生的大量 0 列——这些列方差极低，但合起来有意义；应先做OneHotEncoder，再整体过VarianceThreshold，而不是对原始类别列用
真正难的是判断“低方差”背后有没有结构信息，而不是机械执行过滤。多看几行原始数据，比调参更重要。
