4. 材料工艺参数编码与标准化

为什么工艺参数不能直接喂给模型

热处理工艺参数天然带有不同量纲：温度是 800–1250 ℃ 的连续量，保温时间是 0.5–24 h 的连续量，冷却速率跨越 0.01–200 ℃/s 数个数量级，而冷却方式（炉冷/空冷/油淬/水淬）是类别量。若直接拼接成特征矩阵，温度会因数值大而主导距离计算，冷却速率会因长尾分布被压缩，类别量则会被误当作有序数值。本节的任务是把这三类参数分别映射到统一尺度，并保留工艺语义。

三类参数的编码策略

• 温度、保温时间：量纲一致、分布近似单峰，采用 Min-Max 归一化到 [0,1]，保留相对位置。
• 冷却速率：跨 4 个数量级，先取 log10 再 Min-Max，避免小速率区间被挤压。
• 冷却方式：无序类别，采用独热编码（One-Hot），生成 4 个 0/1 列，避免引入虚假序关系。

归一化公式：x' = (x − x_min) / (x_max − x_max)。注意 x_min/x_max 必须来自训练集统计量，并保存下来用于测试集与线上推理，否则会造成数据泄漏。

用 Python 完成编码

下面代码基于 pandas 与 scikit-learn，输入是一张含工艺列的合金数据表，输出是编码后的特征矩阵与可复用的变换器。

import numpy as np
import pandas as pd
from sklearn.preprocessing import MinMaxScaler, OneHotEncoder

# 示例数据：温度(℃)、保温时间(h)、冷却速率(℃/s)、冷却方式
df = pd.DataFrame({
    "T":     [850, 1050, 920, 1180, 760, 1000],
    "t":     [2.0, 6.0, 1.5, 12.0, 0.5, 8.0],
    "v":     [0.05, 30.0, 1.2, 150.0, 0.01, 8.0],
    "cool":  ["炉冷", "油淬", "空冷", "水淬", "炉冷", "空冷"],
})

# 1) 连续量：温度、时间直接 Min-Max
num_cols = ["T", "t"]
scaler_num = MinMaxScaler()
X_num = scaler_num.fit_transform(df[num_cols])

# 2) 冷却速率：先 log10 再 Min-Max
v_log = np.log10(df[["v"]].values)
scaler_v = MinMaxScaler()
X_v = scaler_v.fit_transform(v_log)

# 3) 冷却方式：独热编码
enc = OneHotEncoder(sparse_output=False, categories=[["炉冷","空冷","油淬","水淬"]])
X_cat = enc.fit_transform(df[["cool"]])

# 4) 拼接为统一特征矩阵
X = np.hstack([X_num, X_v, X_cat])
cols = num_cols + ["v_log_norm"] + list(enc.get_feature_names_out(["cool"]))
X_df = pd.DataFrame(X, columns=cols)
print(X_df.round(3))

运行后得到 6 行 × 7 列的特征矩阵：温度、时间、冷却速率均落在 [0,1]，冷却方式展开为 4 个 0/1 列。例如水淬样本的 cool_水淬=1，其余三列为 0。

关键检查点