Przejdź do treści
Biblioteka skilli
Dane i analityka · Analiza

feature-analysis

/feature-analysis

Prowadzi głęboką analizę cech: statystyki podstawowe, IV, stabilność PSI i korelacje, a wynikiem są cztery warianty zestawu cech do modelowania; wymaga zmiennej docelowej.

Repozytorium
qwen-dianjin ↗
Licencja
MIT
Ostatnia zmiana repozytorium
17.10.2026

Ocena i bezpieczeństwo

100/ 100Klasa: dobry
Format25 / 25
Frontmatter z nazwą i opisem, poprawna nazwa, opis do 1024 znaków, nazwa zgodna z folderem.
Odkrywalność25 / 25
Opis mówi, kiedy użyć skilla, ma sensowną długość i jest w 3. osobie.
Treść35 / 35
Co najmniej 150 słów i do 500 linii, nagłówki, listy kroków, przykłady albo kod.
Higiena15 / 15
Bez zaślepek typu TODO, bez ścieżek Windows, z licencją.
Ryzykobrak sygnałów w skanie
Pliki w paczce
15
Skrypty
14
Komentarze HTML
0
Adresy URL w SKILL.md
0
Przestarzałość

Brak sygnałów. Repozytorium zmienione 17.10.2026, bez odwołań do wycofanych modeli i API.

Licencja

MIT, otwarta: można używać i zmieniać, z zachowaniem informacji o autorze.

Co sprawdzić przed instalacją
  • 14 skryptów w paczce. Przejrzyj je przed instalacją, bo Claude może je uruchomić.

Skrypty: _vendor/__init__.py, _vendor/data/__init__.py, _vendor/data/loading.py, _vendor/data/missing.py, _vendor/data/splitting.py, _vendor/data/woe_transform.py, _vendor/data_utils.py, _vendor/fa_core/__init__.py, _vendor/fa_core/correlation.py, _vendor/fa_core/iv.py, _vendor/fa_core/psi.py, _vendor/fa_core/statistics.py, _vendor/result_emitter.py, scripts/analyzer.py

Co robi i kiedy

Prowadzi głęboką analizę cech: statystyki podstawowe, IV, stabilność PSI i korelacje, a wynikiem są cztery warianty zestawu cech do modelowania; wymaga zmiennej docelowej.

Wyzwalacze z opisu

全面分析特征生成特征报告看相关性推荐建模方案跑一遍特征特征全景哪些特征有用
Oryginalny opis (EN)

【特征深度分析】当用户需要"全面分析特征"、"生成特征报告"、"看相关性"、"推荐建模方案"、"跑一遍特征"、"特征全景"、"哪些特征有用"时使用。包含四大维度:基础统计、IV值、PSI稳定性、相关性分析,输出四套建模特征方案。前提条件:必须提供目标变量。不做单特征快速探索,不做模型训练。与 univariate-analysis 的区别:本 Skill 是全量特征深度分析+方案推荐,univariate-analysis 聚焦少量特征快速分析。

Jak działa

  1. 参数说明
  2. 执行方式
  3. 常用场景
  4. 报告输出结构
  5. 特征筛选方案说明
  6. 与其他 Skill 的关系
  7. 注意事项
Sekcje z nagłówków SKILL.md, w oryginale · 119 linii, 383 słów
Podgląd SKILL.md
---
name: feature-analysis
category: 数据探索
description: 【特征深度分析】当用户需要"全面分析特征"、"生成特征报告"、"看相关性"、"推荐建模方案"、"跑一遍特征"、"特征全景"、"哪些特征有用"时使用。包含四大维度:基础统计、IV值、PSI稳定性、相关性分析,输出四套建模特征方案。前提条件:必须提供目标变量。不做单特征快速探索,不做模型训练。与 univariate-analysis 的区别:本 Skill 是全量特征深度分析+方案推荐,univariate-analysis 聚焦少量特征快速分析。
next_steps:
  - skill: xgb-modeling
    text: 用推荐方案跑基线模型
    prompt: 跑一个基线模型,看看AUC和KS
---

# 建模特征分析报告 (portable)

基于 `scripts/analyzer.py` 主脚本,对数据集特征进行全面分析并生成 Markdown 报告。

---

## 参数说明

| 参数 | 必选 | 默认值 | 说明 |
|------|:----:|--------|------|
| `--data_path` | ✅ | - | 数据文件路径(parquet/csv) |
| `--target` | ✅ | - | 目标变量列名(0/1 二分类) |
| `--exclude_cols` | | - | 排除列,逗号分隔 |
| `--baseline_filter` | | - | PSI 基准数据条件(pandas query) |
| `--comparison_filter` | | - | PSI 对比数据条件(pandas query) |
| `--top_n` | | `10` | 输出 IV 排名前 N 的特征分箱明细(默认 10) |
| `--specified_features` | | - | 指定特征分箱明细,逗号分隔 |
| `--output` | | `feature_analysis_report.md` | 报告输出名称 |
| `--output_dir` | | `./outputs/<ts>` | 产物输出目录 |
| `--config` | | - | JSON 配置文件路径 |

---

## 执行方式

```bash
python scripts/analyzer.py \
  --data_path ./data.parquet --target y_label \
  --exclude_cols "cust_code,busi_dt" \
  --baseline_filter "busi_dt <= '20250501'" \
  --comparison_filter "busi_dt > '20250701'" \
  --output_dir ./outputs/fa_run
```

---

## 常用场景

### 场景一:基础分析(不含 PSI)

适用于无时间维度的数据集:

```bash
python scripts/analyzer.py --data_path ./data.parquet --target y_label --output_dir ./outputs/fa_run
```

### 场景二:完整分析(含 PSI)

适用于有时间切分条件的数据集:

```bash
python scripts/analyzer.py --data_path ./data.parquet --target y_label \
  --baseline_filter "busi_dt <= '20250501'" \
  --comparison_filter "busi_dt > '20250701'" \
  --output_dir ./outputs/fa_run
```

### 场景三:单变量深度分析

输出 IV Top N 或指定特征的完整分箱明细表:

```bash
python scripts/analyzer.py --data_path ./data.parquet --target y_label --top_n 10 --output_dir ./outputs/fa_run
python scripts/analyzer.py --data_path ./data.parquet --target y_label --specified_features "umeng_ALL,bscore" --output_dir ./outputs/fa_run
```

---

## 报告输出结构

生成的 `feature_analysis_report.md` 包含以下章节:

| 章节 | 内容 |
|------|------|
| 1. 数据概览 | 样本量、特征数、正样本率 |
| 2. 基础统计分析 | 各特征的均值、标准差、缺失率、偏度、峰度等 |
| 3. IV值分析 | IV 排名 Top 20、IV 分布统计 |
| 4. PSI稳定性分析 | PSI 排名、不稳定特征清单 |
| 5. 相关性分析 | 高相关特征对、共线性处理建议 |
| 6. 综合建议 | 推荐保留/移除特征 |
| 7. 建模特征方案 | 四套特征筛选方案(全量/去共线性/高IV/稳定性优先) |
| 8. 单变量深度分析 | 默认输出 Top 10 特征分箱明细,可通过 `--top_n` 调整 |

---

## 特征筛选方案说明

报告自动生成四套建模特征方案:

| 方案 | 筛选条件 | 适用场景 |
|------|----------|----------|
| 方案一:全量入模 | 基础合格池(IV>=0.02, PSI<0.25, 缺失率<50%) | XGBoost/LightGBM 等树模型 |
| 方案二:去共线性标准 | 基础池 + 贪心去 \|r\|>=0.7 | 逻辑回归、评分卡 |
| 方案三:高预测力精选 | IV>=0.1 + 去共线性 | 特征受限、可解释性要求高 |
| 方案四:稳定性优先 | PSI<0.1 + 去共线性 | 线上部署、高稳定性要求 |

---

## 与其他 Skill 的关系

| Skill | 用途区别 |
|-------|----------|
| **feature-analysis** | 全量特征深度分析+方案推荐,需要目标变量 |
| data-profiling | 快速了解数据轮廓,不做深度分析 |
| univariate-analysis | 少量特征快速分析,不含全量相关性和方案推荐 |

**建议流程**:`data-profiling`(快速扫描)→ `feature-analysis`(深度分析+方案推荐)→ `xgb-modeling`(建模)

---

## 注意事项

1. **目标变量**:必须为数值型
2. **PSI 分析**:需同时提供 `baseline_filter` 和 `comparison_filter`,否则跳过
3. **相关性**:仅对数值型特征有效,非数值列自动跳过
4. **大数据集**:报告默认展示 IV Top 20,完整数据在文件中
5. **产物位置**:报告保存到 `<output_dir>/`
Pliki w paczce (15)
  • SKILL.md 5 KB
  • _vendor/__init__.py 1 KB
  • _vendor/data_utils.py 1 KB
  • _vendor/result_emitter.py 7 KB
  • _vendor/data/__init__.py 1 KB
  • _vendor/data/loading.py 3 KB
  • _vendor/data/missing.py 6 KB
  • _vendor/data/splitting.py 20 KB
  • _vendor/data/woe_transform.py 8 KB
  • _vendor/fa_core/__init__.py 1 KB
  • _vendor/fa_core/correlation.py 4 KB
  • _vendor/fa_core/iv.py 4 KB
  • _vendor/fa_core/psi.py 6 KB
  • _vendor/fa_core/statistics.py 4 KB
  • scripts/analyzer.py 35 KB

Wersje

W bazie nie ma innych skilli o nazwie feature-analysis.

Migawka bazy z 13.11.2026 · wersja paczki 0ac9157c85af (skrót SHA-256 całej paczki)

Pobrania w ostatnich 30 dniach: 1 · ranking

Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.

Podobne skille

  • 100model-explanation
    Wyjaśnia decyzje wytrenowanego modelu XGBoost metodą SHAP: globalną ważność cech, wyjaśnienie pojedynczej predykcji i analizę interakcji cech, bez trenowania modelu i selekcji cech.
  • 100univariate-analysis
    Analizuje pojedyncze cechy: rozkłady, binowanie, tabele krzyżowe i wartość IV przy zadanym celu.
  • 100datarobot-feature-engineering
    Prowadzi przez inżynierię cech, odkrywanie cech i analizę ważności cech w DataRobot, w tym automatyczną inżynierię cech platformy.

Uwagi i zgłoszenia

Wiadomość trafi do Bartosza Sokolińskiego. Adres e-mail jest potrzebny tylko do odpowiedzi. Szczegóły w polityce prywatności.