菜单
【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。
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/aliyun/qwen-dianjin --skill feature-analysis命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
正在显示 SKILL.md
"保险理赔材料智能分析工具。整合材料分类、OCR提取、完整性检查、单证审核、一致性校验、发票交叉验证、病程时间线梳理能力。采用前置解析+按需复用架构，基于多模态大模型对理赔图片文档进行全链路分析，输出标准化目录结构、病程摘要和审计报告。当用户需要对理赔材料、保险单证、医疗票据进行分类整理，或提及理赔材料分类、保险文档归档、医疗发票识别、材料审核、病程时间线时使用。触发词："理赔材料分类"、"材料完整性检查"、"材料一致性校验"、"理赔交叉验证"、"材料全量审核"、"病程时间线"。 触发词：理赔材料、材料齐不齐、病程时间线。"
"理赔责任认定专家。整合免责条款审核、保单责任认定、费用责任匹配能力。通过OCR提取理赔材料内容，与保单免责条款逐条比对，识别可能触发的免责事项，评估拒赔风险等级，输出责任认定结论。当需要检查理赔材料中的免责条款适用性、判断是否存在拒赔事由、认定保险责任范围时触发。适用于理赔合规审核、责任认定、拒赔风险评估场景。触发词："免责"、"责免"、"拒赔"、"免责条款"、"责任认定"。 触发词：理赔责任、能不能赔、免责问题。"
对理赔费用清单中所有费用项（含检查、手术、耗材、护理、药品、床位费等）进行逐项合理性审核，识别不符合诊断的费用、超标准收费、重复收费；同时审查处方药品与诊断匹配性，识别超适应症用药、剂量异常、配伍禁忌，结合医保目录与临床指南输出核减建议，生成医学审查报告。当用户要求审核理赔费用明细、核定住院费用合理性、识别超标准或重复收费、审核药品合理性时触发。适用于医疗险理赔费用核定、住院费用审查、费用核减决策、理赔用药审核场景。触发词：住院费用、用药合理性、过度收费。
| 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"}] |
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 | 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 |
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
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
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
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
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 |
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 |
| 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）
baseline_filter 和 comparison_filter，否则跳过<output_dir>/基于 SOC 职业分类
