批量做特征清洗和编码｜算法工程师AI场景表格模板

要准备的

关于这件事怎么办

缺失率高的字段到底该填还是该删？

先看缺失率与业务含义：缺失率过半或缺失本身有信息的，加缺失标记或单独一档；低于阈值的数值字段用中位数填充，类别字段用众数或单独一档，规则写进字典。

独热编码后维度爆炸怎么控制？

先合并低频类别再编码，把出现次数很少的类归为其他档，保留全部原始类别映射并写入字典，既控维度又不丢信息。

异常值用分位数还是 3σ 更稳？

分布接近正态用 3σ，偏态明显用分位数截尾；两种都先输出异常值占比和截断样本，再由业务确认阈值，避免一刀切。

批量做特征清洗和编码需要准备什么？

需要填的是：上传原始宽表、上传字段说明、数据规模、缺失处理、异常判定、编码处理、关键字段、交付内容。每一项点一下就行，多数不用打字。点「直接办这件事」就开工；没选全也能先办，回头补了随时能改。

能拿到什么成果？

交付形式是表格——平台直接做好表格，能下载成 Excel。在GPT中文网（www.gpt.com.cn）按字段填完即可拿到。文字类成果免费生成，免注册即可试。

什么情况下需要批量做特征清洗和编码？

手工写清洗脚本反复调、规则散落难复现，编码丢信息、异常阈值拍脑袋，字典和表常对不上。遇到这种情况，把信息按字段点选一遍，AI 按你点的出成品，不用自己琢磨怎么说。

适合谁用？

需要批量整理建模特征的数据科学家、算法工程师和数据分析师。不需要 AI 使用经验，按字段填完即可。