自动特征生成需按数据结构选工具：多表用featuretools（需显式建entityset和关系）、单表用pandas.groupby().agg()、强非线性用遗传编程；生成后须筛选（mutual_info_classif+selectkbest）、校验nan、嵌入pipeline防泄露。
自动特征生成不是“调一个函数就完事”，而是要先明确数据结构类型——单表还是多表关联。FeatureTools 适合多表场景，pandas + groupby + agg 适合单表聚合，而遗传编程（GP）适合探索强非线性组合，三者不能混用。
多表关联数据必须用 FeatureTools 的 EntitySet 和 DFS
原始数据分散在 customers、orders、products 等多个表中，且存在外键关系（如 customer_id），这时手动 join + agg 极易出错、不可复现，也难以生成跨表深度特征（比如“该客户过去 3 个月订单金额均值 / 其所在城市平均订单金额”）。
-
EntitySet必须显式定义每个表的index（主键）和可选的time_index（时间列），否则 DFS 无法做时序聚合 - 关系必须用
es.add_relationship()显式声明，不能只靠列名猜测；漏掉关系会导致特征缺失，且无报错提示 - DFS 默认生成所有合法组合，但实际常需限制：用
max_depth=2防止爆炸式增长，用ignore_variables屏蔽含大量缺失或高基数 ID 列 - 生成后务必检查
feature_matrix中是否有NaN占比过高的列——FeatureTools 不自动填充，得自己接SimpleImputer
单表聚合特征优先用 pandas.groupby().agg() 而非 FeatureTools
当所有信息都在一张表里（如用户行为日志按 user_id 分组），FeatureTools 反而绕远路。直接用 pandas 更轻量、可控、易调试。
SkillSub Pro - Python 题解与代码注释双功能技能功能概述SkillSub Pro - Python 题解与代码注释双功能技能是一项面向实际任务的技能，主要用于SkillSub Pro 是一个 Python 题解生成与代码注释的 双功能合体技能 ，专为学生、算法学习者和开发者设计；✅ 一个技能，两种用途 ：；核心要点📝 题解模式 ：输入题目/题号，自动生成完整 Python 题解（含详细注释、解题思路、复杂度分析）；💬 注释模式 ：输入 Python 代码，自动添加详细中。它将相关步骤、
- 聚合函数别只写
['mean', 'sum']，要覆盖业务语义：lambda x: x.nunique() / x.count()（去重率）、lambda x: x.diff().gt(0).sum()（上升次数） - 避免用
agg('all')或嵌套字典导致返回 MultiIndex，后续 merge 容易对不齐；统一用命名元组或字典列表 - 时间窗口聚合必须先
sort_values(by=['user_id', 'timestamp'])，否则rolling(7d)结果错乱 - 如果原始表有重复索引（如多个同
user_id记录未去重），groupby会静默合并，建议加assert df.duplicated(subset=['user_id']).sum() == 0
mutual_info_classif + SelectKBest 是最稳的自动化特征筛选起点
自动生成几百个特征后，直接喂模型容易过拟合。用统计量预筛比靠 GridSearchCV 盲搜更高效、更可解释。
-
SelectKBest的k值不能拍脑袋定：先跑mutual_info_classif(X, y)看得分分布，取前 10% 或累计贡献达 80% 的个数 - 输入
X必须是数值型；类别型列得先pd.get_dummies()或OrdinalEncoder，否则报ValueError: Input contains NaN - 回归任务别误用
f_regression处理长尾目标——改用mutual_info_regression，它对非线性关系更鲁棒 - 该流程必须放在 Pipeline 里：否则训练集上 fit 的 selector 会泄露测试集信息，导致评估虚高
真正难的不是生成特征，而是判断哪些生成结果值得保留。FeatureTools 输出的列名像 MEAN(orders.amount) BY customers.customer_id 这种，看着清楚，但一旦涉及三层以上关系或自定义 primitive，名字就变成嵌套符号串，人工核验成本陡增。这时候得配合 ft.describe_feature() 或导出 feature lineage 图，否则上线后出问题根本没法回溯。
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！
