SelectKBest不是自动化黑盒工具，而是需指定评分函数和k值的单变量统计筛选器；误用会导致特征误删、结果不可复现，正确配置须严格匹配任务类型、数据分布与前提约束。
SelectKBest 不是“自动”选择特征的黑盒工具——它需要你明确指定评分函数和 k 值，本质是单变量统计筛选，不是模型驱动的搜索。用错场景或参数会导致特征被误删、结果不可复现。
为什么 SelectKBest 常被误认为“自动化”？
它封装了卡方检验（chi2）、F检验（f_classif/f_regression）等统计方法，调用简洁，容易让人忽略其前提约束：
-
chi2要求输入非负，对负值会直接报ValueError: Input X must be non-negative -
f_classif要求标签是离散整数（如[0, 1, 2]），若传入字符串会抛TypeError: A sparse matrix was passed, but dense data is required（实际常因标签类型不匹配触发内部转换失败） - 所有评分函数都只看单个特征与目标变量的独立性，完全忽略特征间交互——哪怕两个弱相关特征组合起来很强，也会双双被淘汰
怎样正确配置 SelectKBest 的 score_func 和 k
选错 score_func 是最常见翻车点，必须严格匹配任务类型和数据分布：
- 分类任务 + 非负特征（如 TF-IDF、计数型）→ 用
chi2 - 分类任务 + 连续/带负值特征（如标准化后的数值）→ 改用
f_classif - 回归任务 → 只能用
f_regression，别硬套chi2或f_classif -
k不建议设固定值（如k=10）。更稳妥的是先用fit得到selector.scores_，画直方图观察分界陡降点，再定k
示例：避免 chi2 报错
# 错误：原始数据含负值 X_neg = [[-1, 2], [0, 3], [1, -4]] selector = SelectKBest(chi2, k=1) selector.fit(X_neg, y) # 直接崩 <h1>正确：转为非负（如 MinMaxScaler）</h1><p>from sklearn.preprocessing import MinMaxScaler X_pos = MinMaxScaler().fit_transform(X_neg) # [0, 1] 区间 selector.fit(X_pos, y) </p>
如何把 SelectKBest 接入 Pipeline 并保留列名？
单独用 fit_transform 会丢失原始列名，后续调试困难；放进 Pipeline 又默认不暴露特征名。关键在自定义 wrapper：
- 继承
SelectorMixin和BaseEstimator，重写get_feature_names_out - 务必在
fit中保存self.get_support()对应的原始列名索引，不能依赖feature_names_in_（某些旧版 sklearn 不提供） - 别用
ColumnTransformer套SelectKBest——它不支持列名传递，会退化成 numpy array
最小可行 wrapper 片段：
class NamedSelectKBest(SelectKBest):
def get_feature_names_out(self, input_features=None):
if input_features is None:
raise ValueError("input_features must be provided")
supported = self.get_support()
return np.array(input_features)[supported]
<h1>使用</h1><p>selector = NamedSelectKBest(f_classif, k=5)
X_selected = selector.fit_transform(X_df, y)
print(selector.get_feature_names_out(X_df.columns)) # 输出被选中的列名
</p>
真正麻烦的从来不是调通 SelectKBest，而是它筛选出的特征在下游模型里表现变差——这时大概率是单变量假设失效了，得换 RFE 或基于树的 SelectFromModel，而不是调 k 或换 score_func。
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！
