| 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
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：
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：
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：
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
- 目标变量：必须为数值型
- PSI 分析：需同时提供
baseline_filter 和 comparison_filter，否则跳过
- 相关性：仅对数值型特征有效，非数值列自动跳过
- 大数据集：报告默认展示 IV Top 20，完整数据在文件中
- 产物位置：报告保存到
<output_dir>/
