特征工程2026：经典ML里ROI最高的技能依然没变

深度学习号称让特征工程过时了，但表格数据仍是业务ML的主流——而在表格上，特征依然决定结果。2026年的工具包是什么？

💡 你将学到

深度学习号称让特征工程过时了，但表格数据仍是业务ML的主流——而在表格上，特征依然决定结果。2026年的工具包是什么？

神经网络能从像素和文本自动学特征，但多数业务ML是表格型的——交易、客户、库存。在结构化数据上，模型学的是你给的特征，好特征集和懒特征集的差距常是5-15%的AUC，这就是这技能活下来的原因。2026工具包：聚合特征（count、sum、mean、min/max、std按有意义窗口7d/30d/90d算，customer_30d_spend永远赢customer_spend）；比率和差值（最近购买天数、频次、金额，RFM三件套仍跑赢原始列）；时间特征（小时、星期几、节假日标志、距事件天数）；目标编码（高基数类别如邮编、产品ID按目标均值编码加平滑，必须出折计算防泄漏）；交互特征（树模型下显式乘积或和，如年龄x收入）；类别embedding（高基数或关系型数据用实体embedding或LLM生成类别表示，这是2026新加入的）。头号错误是泄漏：用了预测时拿不到的信息（未来、目标、全量数据）会静默吹高离线分数。经典案例：用训练加测试算的全局统计做归一化、不出折的目标编码、把预测时刻包含进时间窗口聚合。每个特征都要回答：预测时刻我会有这个值吗？评估纪律：时间序列按时间切分绝不随机（随机切把未来漏进训练）；特征重要性只显示相关性不是因果；消融实验一组一组加特征，验证集不提升就砍。诚实总结：特征工程没死，是搬家了——表格ML里它仍是ROI最高的活动，现代新增是用LLM从非结构化字段生成经典流水线忽略的特征。