应放弃kbinsdiscretizer，改用继承baseestimator和transformermixin的自定义分箱器，将业务边界存为self.bins，fit仅校验，transform用np.digitize确保训练/测试集边界一致。
KBinsDiscretizer 默认等宽分箱不满足业务需求怎么办
默认 strategy="uniform" 会把数据范围线性切分成 k 段，但实际中常需要按业务逻辑切——比如年龄按“0-17, 18-59, 60+”分，或收入按“20k”分。这时候 KBinsDiscretizer 的默认行为完全不够用，必须绕过它，改用自定义边界。
用 KBinsDiscretizer 强行塞自定义区间会报错
它的 bins 参数只接受整数（表示等宽/等频的 bin 数），不接受列表或数组。直接传 bins=[0, 18, 60, 100] 会触发 ValueError: bins must be an int。这不是 bug，是设计限制——它定位就是无监督、自动划分，不是业务规则引擎。
- 想硬改源码或 monkey patch？不推荐，后续升级易崩，且破坏 sklearn 接口一致性
- 用
fit_transform后再手动映射？可行但丢失了 transformer 的可复用性（比如 pipeline 里没法保存边界） - 真正干净的做法：放弃
KBinsDiscretizer，换sklearn.preprocessing.FunctionTransformer+numpy.digitize或pandas.cut
用 FunctionTransformer 实现可控、可持久化的自定义分箱
核心思路是把分箱逻辑封装成纯函数，再用 FunctionTransformer 包一层，让它能进 Pipeline、能 fit/transform、能 joblib.dump 保存。
from sklearn.preprocessing import FunctionTransformer import numpy as np <h1>定义你的业务边界（必须排序，且覆盖全量范围）</h1><p>age_bins = [0, 18, 60, 120]</p><h1>注意：digitize 返回的是 bin 索引（从 1 开始），减 1 得到 0-based label</h1><p>def custom_binner(x): return np.digitize(x, age_bins, right=True) - 1</p><p>binner = FunctionTransformer(func=custom_binner, validate=False) X_transformed = binner.fit_transform(X_age.reshape(-1, 1)) </p>
-
right=True表示右闭区间，即 [0,18), [18,60), [60,120] —— 这和pd.cut默认一致 -
validate=False是关键，否则FunctionTransformer会试图对输入做 shape 校验，而digitize输入是一维数组 - 边界数组必须严格递增，且首尾要兜住数据最小值和最大值，否则
digitize会返回 0 或 len(bins)
保存和加载自定义分箱器时最容易漏掉的点
边界数组本身不是 fitted 状态的一部分，FunctionTransformer 不会自动保存它。如果直接 joblib.dump(binner)，加载后函数里的 age_bins 还在，但这是闭包变量，不是实例属性——看起来能用，但一旦你把代码拆模块、重命名变量，就失效。
- 正确做法：把边界作为类属性显式存下来，写个轻量 wrapper 类
- 或者更简单：用
functools.partial绑定参数，再传给FunctionTransformer - 最稳妥：不用
FunctionTransformer，直接继承BaseEstimator和TransformerMixin，把bins存在self.bins里，fit方法只做校验（比如检查数据是否越界），transform调np.digitize
边界一旦定下来，就别在 transform 阶段动态计算；训练集和测试集必须用同一套边界，否则离散化结果不可比。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
