4. 特征筛选清单概念

在MRM（多轮特征筛选）框架中，特征筛选清单是一张结构化的决策记录表，用于系统性地记录每个候选特征在每一轮筛选中的状态、统计依据和最终去留决定。它不是简单的变量列表，而是整个特征工程流程的可追溯审计线索。

4.1 什么是特征筛选清单

特征筛选清单本质上是一个动态更新的数据表，每一行对应一个候选特征，每一列记录该特征在不同筛选阶段的属性与判定结果。它贯穿MRM的四个核心轮次：

• 第一轮（缺失率筛选）：记录特征的缺失比例，标记是否因缺失过多被剔除。
• 第二轮（方差筛选）：记录特征的方差值或变异系数，标记是否因方差过小被剔除。
• 第三轮（相关性筛选）：记录特征间的相关系数，标记是否因高度共线被剔除。
• 第四轮（统计显著性筛选）：记录p值、效应量或信息价值（IV），标记是否因统计不显著被剔除。

清单的最终版本即为保留特征集，直接输入后续的建模环节。

4.2 清单的组成要素

一个完整的特征筛选清单包含以下三类核心字段：

4.3 清单的作用

特征筛选清单在MRM框架中承担五大核心作用：

1. 决策透明化：每个特征的剔除或保留都有明确的统计依据，避免“拍脑袋”决策。
2. 流程可追溯：任何时刻都可以回溯某个特征在每一轮筛选中的状态变化，便于审计和复现。
3. 团队协作基础：不同分析师或数据科学家可以基于同一份清单开展工作，减少沟通歧义。
4. 模型可解释性支撑：最终建模时，清单提供了“为什么选择这些特征”的完整证据链。
5. 迭代优化依据：当模型效果不佳时，通过清单快速定位是哪个筛选环节过于严格或宽松。

4.4 清单示例（伪代码结构）

以下是一个特征筛选清单的数据结构定义，可用于编程实现：

# 特征筛选清单数据结构（Python伪代码）
class FeatureScreeningRecord:
    def __init__(self, feature_name, data_type):
        self.feature_name = feature_name      # 特征名
        self.data_type = data_type            # 数据类型
        self.round_1_missing_rate = None      # 第一轮：缺失率
        self.round_1_decision = None          # 第一轮：保留/剔除
        self.round_2_variance = None          # 第二轮：方差
        self.round_2_decision = None          # 第二轮：保留/剔除
        self.round_3_max_correlation = None   # 第三轮：最大相关系数
        self.round_3_decision = None          # 第三轮：保留/剔除
        self.round_4_p_value = None           # 第四轮：p值
        self.round_4_decision = None          # 第四轮：保留/剔除
        self.final_decision = None            # 最终保留/剔除标记
        self.drop_reason = ""                 # 剔除原因（汇总）

# 示例：创建一条记录
record = FeatureScreeningRecord("age_group", "categorical")
record.round_1_missing_rate = 0.02
record.round_1_decision = "Keep"
record.round_2_variance = 0.45
record.round_2_decision = "Keep"
record.round_3_max_correlation = 0.32
record.round_3_decision = "Keep"
record.round_4_p_value = 0.001
record.round_4_decision = "Keep"
record.final_decision = "Keep"