根本原因是输入数据不满足假设：y须为数值型且无缺失，x须无nan、分类任务中chi2还要求全非负；字符串标签未编码、误用评分函数或未设random_state等均会导致失败。
为什么 SelectKBest 有时选不出特征？
根本原因通常是输入数据不满足假设：SelectKBest 默认用 f_classif（分类任务）或 f_regression（回归任务），它们都要求目标变量 y 是数值型，且对异常值敏感、不处理缺失值。如果你传入了字符串标签（如 ['cat', 'dog']）却没做编码，会直接报 ValueError: Unknown label type: 'string'；如果 X 含 np.nan，则触发 ValueError: Input X contains NaN。
实操建议：
- 先确认
y是整数编码或 one-hot 后的数值向量（分类）/ 连续数值（回归） - 用
pd.isna(X).sum().sum()检查X是否含缺失值，有则必须先填充或删行 - 对分类任务，别直接传原始字符串
y，改用LabelEncoder().fit_transform(y) - 若想用卡方检验（
chi2），X必须全为非负数——负值会引发ValueError: Input X must be non-negative
SelectKBest + mutual_info_classif 的坑在哪？
mutual_info_classif 比 f_classif 更鲁棒，能捕捉非线性关系，但它默认使用随机种子和有限的随机化迭代次数，导致结果不稳定——同一份数据多次运行，选出的特征可能不同。
实操建议：
- 显式固定
random_state参数：例如mutual_info_classif(..., random_state=42) - 增加
n_neighbors（默认 3）可提升估计稳定性，但会略微拖慢速度，建议设为5或10 - 注意：该函数内部会对
X做标准化预处理，所以你不需要、也不该提前 StandardScaler —— 否则反而干扰信息熵估计 - 它不支持稀疏矩阵的 CSR 格式以外的格式，传入
csc_matrix会报错，需先转成.tocsr()
如何把 SelectKBest 和 Pipeline 串起来不报错？
常见错误是把 SelectKBest 放在 Pipeline 中却没给它指定 k，或者在 fit_transform 之后又调用 transform 时忘了传 y（后者只在 fit 阶段需要，但 Pipeline 的 transform 方法不会自动忽略 y 参数）。
实操建议：
- 定义 Pipeline 时，
SelectKBest的k必须明确赋值，不能留空：('selector', SelectKBest(score_func=f_classif, k=10)) - 训练时用
pipe.fit(X_train, y_train)；预测时只传X_test：pipe.predict(X_test)，Pipeline 会自动跳过需要y的步骤 - 如果手动调用
selector.transform(X_test)，一定不要传y—— 它此时已无意义，传了会报TypeError: transform() got an unexpected keyword argument 'y' - 检查 Pipeline 中前序步骤是否改变了列数（如
OneHotEncoder(drop='first')可能减少列），否则SelectKBest接收到的列名/维度可能和预期不符
选完特征后，怎么知道哪些列被留下了？
SelectKBest 不保留原始列名，get_support() 返回布尔数组，容易误用成索引位置而非列名映射。
实操建议：
- 调用
selector.get_support()得到mask，再用np.array(feature_names)[mask]提取真实列名（前提是feature_names是 list 或 array） - 若用 pandas DataFrame 输入，推荐在
fit后立刻保存：selected_cols = X.columns[selector.get_support()].tolist() - 别依赖
selector.scores_排序后取 top-k —— 它长度恒等于原始特征数，但get_support()才反映最终是否入选 - 注意：如果用了
StandardScaler在前，scores_是基于缩放后数据计算的，解释性变弱，慎用于归因分析
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！
