第 27 章 · ❖ 阶段目标：四路横评与选型报告
本章没有新概念 —— 它把前面 26 章拼成一个可交付的东西： 一条命令 → 指标表 + 两张图 + 一份带结论的选型报告。
本章唯一要学的是"工程组织"： 怎么让"图、数字、结论"永远一致，以及结论必须带局限。
本章你需要完成的代码：demos/ch27-stage-target.py
27.1 先看成品
bash
cd code
python demos/ch27-stage-target.py真实输出：
text
==============================================================================
第 27 章 · 阶段目标：四路横评与选型报告
==============================================================================
数据：data/battery/soh_features.csv
划分：按设备 GroupShuffleSplit，训练 17,244 行 / 48 支，测试 3,995 行 / 12 支
两边设备有交集：False
提升模型：HistGB(替 XGBoost,300棵)
模型 MAE RMSE R² 训练 单行
线性回归(+标准化) 0.00968 0.01217 0.95053 0.01s 0.000ms
随机森林(200棵) 0.00790 0.01023 0.96503 7.93s 0.022ms
HistGB(替 XGBoost,300棵) 0.00787 0.01034 0.96429 187.06s 0.236ms
高斯过程 GPR(800行,仅cycle) 0.01728 0.02276 0.82693 1.71s 0.090ms
⚠️ GPR 只喂 800 行、只用 cycle 一个特征 —— 它的 R² 不参与横向比较。
它的 ±2σ 覆盖率 = 91.8%（接近理论 95% → 区间可信）
三个主流模型 R² 极差 = 0.01449
最优：随机森林(200棵)（R² 0.96503）
验收区间 0.90~0.98：通过
产物清单：
✅ ch27-metrics.csv 0.6 KB
✅ ch27-pred-vs-true.png 431.3 KB
✅ ch27-gp-band.png 121.8 KB
✅ ch27-report.md 4.3 KB四张产物：
| 文件 | 内容 |
|---|---|
ch27-metrics.csv | 四路的 MAE / RMSE / R² / 训练耗时 / 单行预测 |
ch27-pred-vs-true.png | 预测 vs 真实（四联散点 + 对角参考线） |
ch27-gp-band.png | GPR 置信带（数据区 vs 外推区） |
ch27-report.md | 选型报告（含结论与局限） |
两张关键图：
点开：注意这次的 HistGB 训练耗时 —— 它正好印证了第 26 章的提醒
对比同一个 HistGB 在不同章节的耗时：
187.06 s 本章（脚本里四个模型连续训练，机器负载高）
35.75 s 第 26 章（表里）
28.44 s 第 26 章（练习 1）
15.22 s 第 23 章（四路横评）
↑
相差 12 倍！为什么：
树模型的训练耗时受【并行调度】和【机器负载】影响极大。
本章脚本里四路是【连续训练】的，前面的模型可能还有残留线程，
而且 HistGB 用了 OpenMP 并行 —— 在负载高的机器上会被严重拖慢。★ 这正是第 26 章那条纪律的实证：
✅ 报数量级："线性在毫秒级，树模型在秒到百秒级"
❌ 报精确倍数："森林比提升快 23 倍" ← 换个运行就变了★ 而 R² 完全不受影响：
四次运行的 R²：0.96429 / 0.96429 / 0.96429 / 0.96429
↑
完全一致这就是"精度是稳定指标、耗时不是"的具体体现。
所以报告里应该把 R² 当成结论依据，把耗时当成参考信息。
27.2 三个"同一"：横评的纪律
脚本的前 20 行在做一件事：确保四路可比。
python
# ① 只划分一次
gss = GroupShuffleSplit(n_splits=1, test_size=0.2, random_state=42)
tr, te = next(gss.split(X, y, groups=groups))
Xtr, Xte, ytr, yte = X.iloc[tr], X.iloc[te], y.iloc[tr], y.iloc[te]
# ② 断言：两边不能有交集
assert not (set(groups.iloc[tr]) & set(groups.iloc[te])), "训练/测试设备有交集！"★ 那个 assert 是最便宜也最值钱的一行
它挡住了全书最大的那个坑（第 09~10 章的划分泄漏）。
成本：一行代码
收益：如果哪天有人改了划分逻辑，程序立刻报错而不是静默给出虚高分数★ 四路共用的东西：
| 共用项 | 为什么 |
|---|---|
Xtr / Xte | 特征相同 → 比的是模型，不是特征 |
ytr / yte | 标签相同 |
tr / te 索引 | 划分相同 → 差异不来自"抽签"（第 11 章量化过：分差可达 0.036） |
random_state=42 | 可复现 |
| 指标函数 | MAE / RMSE / R² 用同一套 |
★ 唯一的例外：GPR
GPR 是 O(n³)，只能喂 800 行；而且为了演示置信带只用了 cycle 一个特征。
↓
所以它和另外三路【条件不同】→ 不能横向比较
↓
脚本里显式注明这一点，并在报告里也注明★ 这一条很重要：
如果一个对比里存在"条件不同的成员"，必须显式标注。 否则读者会把它的分数当成可比的，从而得出错误结论。
27.3 报告的核心结论
脚本产出的报告（ch27-report.md）包含六节：
一、横评设置（三个"同一"）
二、量化结果（四个维度）
三、核心结论（三条）
四、三种场景的选型
五、适用范围与局限（必读）
六、下一步★ 三条核心结论
结论 1 · 换模型的天花板很低
三个主流模型 R² 极差 = 0.01449
对照第 13 章：单特征 → 七特征 带来 +0.12183，是本数字的 8.4 倍
↓
【卡点不在模型，在特征。】结论 2 · 最优模型：随机森林（R² = 0.96503）
验收区间 0.90~0.98 → 通过
（若 > 0.99 或 < 0.85，应回看数据生成与划分方式，而不是调模型）结论 3 · 为什么 GPR 的 R² 更低却仍然值得保留
| 口径 | 随机森林 | 高斯过程 |
|---|---|---|
| R² | 0.96503 | 0.82693 |
| 能给 ±σ 吗 | 无 | 有 |
| ±2σ 覆盖率 | — | 91.8%（接近理论 95%，区间可信） |
关键：
预测 0.815 时：
随机森林：0.815 → 只给一个数字
GPR ：0.815 ± 0.055 → 区间跨过 0.80 退役线 → 触发人工复检
↓
【精度不是唯一指标。】27.4 三种场景的选型
| 场景 | 推荐 | 理由 |
|---|---|---|
| 离线周报（一周一次） | 随机森林 | 精度优先，训练耗时不是约束 |
| 实时看板（100 ms 内） | 线性回归 | 实测单行预测都在 0.03 ms 内，速度不构成约束；可选更易维护的线性模型 |
| 退役决策（要风险区间） | 高斯过程 | 宁可不那么准，也要给 ±σ 以驱动人工复检 |
★ 三种场景三个答案 —— 这就是"没有银弹"。
注意第二行的推理：
它不是"实时场景所以要选最快的"
↓
而是"实测所有模型都在预算内，所以速度不构成约束，
于是可以选更容易维护的那个"
↓
【先量化，再取舍】 —— 这是第 26 章的核心纪律27.5 ★ 第五节"局限"是必须的
报告里有一节专门写"适用范围与局限"，五条：
1. 数据是合成的：单调退化、无随机跳变、无工况切换；
传感器误差只模拟了"每支设备固定的零点偏置 + 缓慢漂移"。
2. 覆盖面有限：60 支设备、4 个批次；
未覆盖的场景（不同工艺、不同环境）结论可能不成立。
3. GPR 的区间只在训练分布内可信：
超出 cycle = 1440 属于外推，此时它返回的是【先验值】（不是预测），
生产系统必须显式拒绝（见第 25 章）。
4. 训练耗时波动大：受并行调度与机器负载影响，不同运行可能相差 2 倍以上。
报耗时请报数量级，不要报精确倍数。
5. 方法可迁移，模型不可直接上线：真实数据必须重新采集、重新标定阈值。★ 为什么这一节不能省
没有局限说明的结论 = 无法判断它什么时候会失效
↓
而模型一定会失效（数据漂移、场景变化、上游改动）
↓
那时你需要知道："原来的结论建立在什么假设上"★ 一个实用判据
如果你写不出"这个结论在什么情况下不成立"， 说明你还没有真正理解自己的结果。
★ 第五条的措辞值得注意
"方法可迁移，模型不可直接上线"
↑
这一句是本书（以及所有合成数据项目）必须交代的边界。
它同时说明了"你可以带走什么"和"你不能带走什么"。27.6 最后一步：为什么是特征工程
报告的第六节（下一步）把接力棒交出去：
text
横评结论：换模型收益 0.0145
学习曲线（第 21 章）：验证线在约 8,000 行后走平 → 加数据收益也很小
↓
所以：剩下的空间在【特征】里★ 这个推理链是全书三条线索的汇合
| 依据 | 来自哪一章 | 数字 |
|---|---|---|
| 换模型上限低 | 第 23、27 章 | 极差 0.0145 |
| 加数据上限低 | 第 21 章 | 验证线 8,000 行后走平（+0.011） |
| 加特征收益大 | 第 13 章 | +0.12183（是换模型的 8.4 倍） |
三条合起来，方向就唯一确定了：
不要换模型（收益 0.0145）
不要加数据（收益 0.011）
要改特征（已知收益 0.12183，而且还没做到头）★ 需要什么类型的特征？
当前特征都是"这个窗口内的瞬时状态"：
cycle、平均电压、平均温升、内阻、库仑效率、衰减速率、温度标准差缺的是"这支设备和它自己比、和同龄设备比"的信息：
· 相对自身基线的偏移：这支设备现在 vs 它自己早期
· 变化率：最近 100 圈 vs 前 100 圈的差异
· 同龄比较：和"同一循环阶段的其他设备"对比
· 滞后特征：前一个窗口的状态（时间序列特征）★ 为什么这些可能有用
数据里有一个关键现象（第 10 章讲过）：
每支设备都有固定的传感器零点偏置 + 缓慢漂移
↓
这些偏置【无法从单行数据学到】，所以被模型当成噪声
↓
但如果构造出"该设备相对自己基线的偏移"这个特征
↓
偏置在相减时【被消掉了】→ 模型能学到真正的退化信号
↓
【这就是特征工程能突破 R² 上限的机制】★ 而这本书记得很清楚：先学会判断，再学会创造。
如果先学特征工程：
你会做出很多特征，但不知道它们有没有用
↓
因为"有用"要靠可信的评估才能判断
↓
而可信的评估，正是这本书教的27.7 常见坑
text
① 四路用了不同的划分/特征/预处理 → 横评失效（这是最致命的）
② 忘了断言"训练/测试设备无交集" → 泄漏了也不知道
③ 让条件不同的模型（如 GPR 只喂 800 行）参与横向排名 → 结论错误
④ 报告里只写结论不写局限 → 无法判断结论何时失效
⑤ 报精确的训练耗时倍数 → 换个运行就不成立
⑥ 横评完就结束，不推导"下一步该做什么" → 报告没有行动价值
⑦ 图、数字、结论来自不同地方 → 三者可能不一致（见下）点开：⑦ 是一个很值得防的工程问题
问题的样子：
python
# 画图时用了"排除异常后"的数据
ax.scatter(clean["cycle"], clean["pred"], ...)
ax.set_title(f"R² = {r2_clean:.4f}") # ← 用 clean 算的
# 但报告里写的是"未排除"的
report = f"模型 R² = {r2_all:.4f}" # ← 用了全部数据！
↑
【图和文字用了不同的口径】后果：报告自相矛盾，而且没有人会发现（两个数字都"看起来合理"）。
★ 防御办法：让数字只有一个来源
python
def compute_metrics(y_true, pred):
"""所有指标都从这里出。"""
return {
"MAE": mean_absolute_error(y_true, pred),
"RMSE": root_mean_squared_error(y_true, pred),
"R2": r2_score(y_true, pred),
}
# 画图和写报告都用同一个 m
m = compute_metrics(yte, pred)
ax.set_title(f"R² = {m['R2']:.5f}") # 图
report += f"| R² | {m['R2']:.5f} |" # 报告
↑
同一个 m，不可能不一致★ 本章脚本的做法：
① 训练完立刻算出 metrics 并写进 DataFrame
② 画图时用 r2_score(yte, pred) —— 和 DataFrame 里的是同一个计算
③ 报告用 metrics DataFrame 生成
↓
三者都源自同一个 pred，所以必然一致★ 一条可以带走的纪律
报告里的每个数字，都应该能追溯到"某个变量"。 手写的数字是 bug 的温床。
这条纪律在真实的报告类项目里非常重要 —— 因为报告往往要反复重跑，手写的数字会在某次重跑后悄悄变错。
27.8 完整示例与输出
bash
cd code
python demos/ch27-stage-target.py真实输出（节选）：
text
模型 MAE RMSE R² 训练 单行
线性回归(+标准化) 0.00968 0.01217 0.95053 0.01s 0.000ms
随机森林(200棵) 0.00790 0.01023 0.96503 7.93s 0.022ms
HistGB(替 XGBoost,300棵) 0.00787 0.01034 0.96429 187.06s 0.236ms
高斯过程 GPR(800行,仅cycle) 0.01728 0.02276 0.82693 1.71s 0.090ms
三个主流模型 R² 极差 = 0.01449
最优：随机森林(200棵)（R² 0.96503）
验收区间 0.90~0.98：通过报告文件：outputs/ch27-report.md（4.3 KB，六节）
本章练习
练习 1：跑通并核对报告
- 运行
python demos/ch27-stage-target.py，确认产出四个文件； - 打开
outputs/ch27-report.md，核对"结论 1"里的极差与指标表里的数字是否一致； - 说出报告第五节"局限"里的五条，各自对应本书的哪一章。
参考答案
① 应产出四个文件：
text
✅ ch27-metrics.csv 0.6 KB
✅ ch27-pred-vs-true.png 431.3 KB
✅ ch27-gp-band.png 121.8 KB
✅ ch27-report.md 4.3 KB② 核对极差与指标表
python
import pandas as pd
m = pd.read_csv("outputs/ch27-metrics.csv")
main3 = m[m["特征"] == "7 特征"]
spread = main3["R2"].max() - main3["R2"].min()
print(f"指标表算出的极差 = {spread:.5f}")
# 报告里"结论 1"写的：R² 极差 = 0.01449期望输出：
text
指标表算出的极差 = 0.01449★ 一致的原因是：报告是用同一个 metrics DataFrame 生成的， 不存在"手写数字"—— 这正是第 27.7 节⑦那个坑的防御办法。
③ 报告第五节五条局限，各自对应的章节
| 局限 | 对应章节 |
|---|---|
| 1. 数据是合成的（单调退化、无随机跳变；只模拟了零点偏置+漂移） | 第 10 章（误差模型）、第 24 章 |
| 2. 覆盖面有限（60 支设备、4 个批次） | 第 09 章（按批次再切一层的提醒） |
| 3. GPR 的区间只在训练分布内可信，外推返回先验值 | 第 25 章（置信带收敛 / 拒绝预测） |
| 4. 训练耗时波动大，报数量级不报倍数 | 第 23、26 章（速度维度的量化） |
| 5. 方法可迁移，模型不可直接上线 | 第 01、02 章（数据声明与三条边界） |
★ 这个对应关系说明一件事
"局限"这一节不是凭空写的客套话
↓
它的每一条都能追溯到前面某一章讲过的具体机制
↓
【所以认真读过前面章节的人，才能写出准确的局限】★ 反过来，这也是一个自检方法：
如果你写不出"这个结论在什么情况下不成立"
↓
说明你对这个结论的依赖条件还不清楚
↓
那么你对它的信任也是盲目的第 24 章那个"噪声上界"的 bug 就是这样一个例子 —— 作者当时没写"我的置信带依赖噪声上界这个设置"， 所以也就没意识到那个设置本身是错的。
练习 2：给报告加一节"失败记录"
一份好的项目报告应该记录"试过但没用"的东西。请为这份报告加一节， 列出至少三条"本书试过但收益有限的做法"，并给出数字。
参考答案
markdown
## 七、试过但收益有限的做法（失败记录）
| 做法 | 收益 | 结论 |
|---|---|---|
| 换更强的模型（线性 → 随机森林 → 提升） | R² 极差 0.01449 | 上限已到，不值得继续投入 |
| 加数据（样本量翻 5 倍：2,832 → 14,160 行） | 验证 R² +0.011（0.9473 → 0.9582） | 8,000 行后走平，边际收益低 |
| 加正则化（Ridge α 从 0 扫到 1e6） | 最好 +0.0055（0.95008 → 0.95560） | 本数据过拟合本就轻微，正则化空间小 |
| 换缩放器（StandardScaler → MinMaxScaler） | 0.000000（完全一样） | 线性模型对缩放不敏感，缩放的作用是让系数可比 |
| 提高多项式阶数（7 特征 → 35 特征） | 训练 R² 0.96756，但交叉验证仅 0.95008 | 展开后过拟合轻微，收益很小 |★ 为什么"失败记录"值得写
理由一：它防止重复劳动
六个月后新同事问："要不要试试 XGBoost？"
↓
翻到失败记录 → "试过了，极差 0.0145" → 不用重做理由二：它让"否定结果"变成资产
"我们试了四路模型，收益上限 0.015"
↓
这个结论能阻止团队在未来三个月里继续换模型
↓
它的价值等于省下了三个月的工期理由三：它提高报告的可信度
只报成功的报告 → 读者会想"那失败的呢？是不是没试？"
连失败一起报 → 读者知道"他们试得很彻底"★ 一个行业现象：发表偏倚（publication bias）
学术论文倾向于只发表"有效果"的结果
↓
导致后来者重复尝试已经失败过的方向
↓
工程上同样如此 —— 每个团队都在重复踩同一个坑★ 一条实用的纪律
把"试过但没用"当成一等公民记录。 因为"排除一个方向"和"发现一个方向"同样有价值。
★ 报告节的推荐顺序
一、设置
二、结果
三、结论
四、场景化建议
五、局限
六、下一步
七、失败记录 ← 放在这里（不影响主线，但提供完整视角）放在最后而不是中间，因为它是补充信息， 但对"未来要不要重试"这个决策来说，它极其重要。
练习 3：把本项目的方法迁移到你的场景
用你自己的数据（或假设一个），写出这个报告需要填的六节内容。 不需要真的跑代码，但每一节都要写具体，不能是"视情况而定"。
参考答案
以"门店销售额预测"为例（你换成自己的场景）：
markdown
## 一、横评设置
| 项 | 值 |
|---|---|
| 数据 | stores_sales.csv（48,000 行 × 12 列，300 家门店 × 160 周） |
| 划分 | **按门店** GroupShuffleSplit(test_size=0.2, random_state=42) |
| 训练/测试 | 240 家 / 60 家（门店交集：False） |
| 特征 | 10 个（客流量、客单价、天气、促销标志、节假日…） |
| 指标 | MAE / RMSE / R² |
| 随机性 | 全部固定 random_state=42 |
## 二、结果
| 模型 | MAE | RMSE | R² | 训练 | 单行 |
|---|---|---|---|---|---|
| 线性回归 | 2,340 | 3,890 | 0.762 | 0.8s | 0.001ms |
| 随机森林(200) | 2,010 | 3,240 | 0.834 | 12s | 0.03ms |
| HistGB(300) | 1,980 | 3,180 | 0.841 | 45s | 0.02ms |
| GPR(仅客流,800行) | 3,400 | 5,100 | 0.590 | 2s | 0.05ms |
## 三、结论
1. 三个主流模型 R² 极差 0.079 —— **比教材案例大**，说明这份数据上模型选择还有收益空间
2. 最优：HistGB（0.841）
3. GPR 的 R² 低但条件不同（800 行 + 1 特征），且它是唯一能给区间的
## 四、场景化建议
| 场景 | 推荐 | 理由 |
|---|---|---|
| 年度预算编制 | HistGB | 精度优先，一年跑一次 |
| 每日晨会看板 | 线性回归 | 延迟预算宽裕，但要"能解释给店长听" |
| 门店关停评估 | GPR | 需要风险区间（关错店代价高） |
## 五、局限
1. 只有 300 家门店、160 周 —— 未覆盖新店、特殊商圈
2. 疫情期间的数据已在清洗阶段剔除，**模型对极端事件无预测能力**
3. 促销标志是"是否促销"，没有促销力度 → 大促/小促无法区分
4. GPR 的区间只在训练分布内可信
5. 训练耗时波动大，报数量级不报倍数
## 六、下一步
R² 极差 0.079 说明还有模型空间，但**先看学习曲线**：
- 若验证线走平 → 瓶颈在特征（例如缺少"商圈变化""竞品开店"这类外部特征）
- 若验证线还在涨 → 缩短窗口、补历史数据
## 七、失败记录
| 做法 | 收益 | 结论 |
|---|---|---|
| 加"去年同期销售额"特征 | R² +0.02 | 有效，已纳入 |
| 加"门店面积"特征 | R² +0.000 | 已被客流量吸收，剔除 |
| 换 XGBoost 替 HistGB | R² +0.003 | 不值得引入新依赖 |★ 从这个例子里能看出的三件事
① 划分方式必须匹配业务问题
按门店切 → 回答"对新门店能不能预测"
按时间切 → 回答"对未来周能不能预测"
两者都要 → 做两套评估
本例选了按门店切，因为"要开新店"是主要决策场景。② "局限"要从数据本身出发，不要写套话
❌ "数据质量可能有问题"
✅ "促销标志是二值的，没有促销力度 → 大促/小促无法区分"③ "失败记录"里的每一条都要有数字
❌ "试了几个特征，效果一般"
✅ "加'门店面积'：R² +0.000（已被客流量吸收）"★ 最后一条通用建议
如果你现在还没有自己的数据集，用本书的数据把它当模板跑一遍 —— 把"门店"换成"设备"、"周"换成"循环窗口"， 把六节填满。这个过程本身就是一次完整的项目演练。
能独立填满这六节，说明这本书你真的读懂了。
面向工程实践：从"一次实验"到"一份可交付的结论"
① 这一章产出的东西，本质上是"一份决策文档"
不是"我试了几个模型"
而是"基于这些证据，我建议用 X，理由是 Y，代价是 Z，局限是 W"★ 两者的差别：
| 一次实验 | 一份可交付的结论 | |
|---|---|---|
| 读者 | 你自己 | 别人（同事、主管、三个月后的你） |
| 内容 | 数字 | 数字 + 判断 + 边界 |
| 可复现 | 靠记忆 | 一条命令 |
| 有效期 | 到下次实验 | 直到假设被打破 |
② 一个"可交付结论"的四个必备要素
① 结论：用哪个（明确，不含糊）
② 依据：数字支撑（可追溯）
③ 代价：放弃了什么（诚实）
④ 局限：什么情况下不成立（可判断有效期）★ 缺了 ③ 和 ④ 的结论，看起来更漂亮，但更危险：
"随机森林最优（R² 0.965）"
↓ 缺点：没说"GPR 在什么场景更合适"、"训练耗时"、"数据局限"
↓
读者会直接照搬，然后在不同场景里踩坑③ 这一章也是"全书方法论"的收束
把 27 章的线索收一收，你会发现所有章节都在做同一件事：
第 01~08 章：把问题变成 X/y，并算对指标 → 能"测量"
第 09~12 章：确保测量的可信 → 能"相信"
第 13~20 章：认识各种工具的能力边界 → 能"选择"
第 21~23 章：诊断而不是瞎调 → 能"定位"
第 24~27 章：把不确定性接进决策 → 能"交付"★ 五个能力的递进关系：
测量 → 相信 → 选择 → 定位 → 交付
↑ ↑
不测量就没法开始 不能交付就没有价值④ 最后：这本书真正想留给你的一句话
回到第 02 章那句：
把"分数"变成"我敢下判断的证据"。
你现在应该能感受到这句话的分量了：
"模型 R² = 0.965"
↓ 这句话
· 没说划分方式 → 可能是泄漏
· 没说方差 → 可能是一次运气
· 没说特征条件 → 可能是不可比的
· 没说局限 → 不知道何时失效
· 没说代价 → 不知道值不值
↓
【它不是证据，只是一个数字】而这本书教的，就是怎么把一个数字变成证据。
全书回顾
恭喜你走到这里。回头看看这 27 章。
点开：全书能力清单（自测一下）
已勾选 0 / 0 项
如果打勾超过 80%，你已经具备"独立完成一个回归建模项目并交付结论"的能力。
剩下的 20%，需要在真实项目里反复遇到、反复踩坑才能内化 —— 那本书帮不了你，只有实践能。
点开：下一步该学什么
这本书的终点，是下一本书的起点。
① 特征工程（最推荐，本书明确交棒的方向）
为什么是下一步：本书已证明"卡点不在模型"（极差 0.0145）
也证明了"加数据收益低"（第 21 章验证线走平）
→ 剩下的空间在特征里
要学什么：
· 从原始数据构造新特征（滑动统计量、变化率、滞后项、相对基线偏移）
· 特征选择（用可信的评估筛掉无用特征）
· 领域知识如何翻译成特征② 分类问题
这本书全程是回归（预测连续值）。
分类（预测类别）有它自己的指标（精确率/召回率/AUC）
和它自己的陷阱（类别不平衡、阈值选择）。
↑
但划分、泄漏、交叉验证的纪律【完全通用】——
你在这本书学的三条纪律可以直接搬过去。③ 时间序列专门方法
本书把"同一实体的多行"当成"分组结构"处理（按实体划分）。
时间序列还有额外的问题：趋势、季节性、平稳性。
↑
如果你的数据是严格的时间序列，值得专门学。④ 因果推断
这本书反复强调"相关 ≠ 因果"（第 20 章）。
如果你要回答的是"改变 X 能不能影响 Y"，
那需要的是因果推断（实验设计、DID、工具变量），不是预测模型。★ 一个诚实的建议
不要急着学更复杂的模型（深度学习、Transformer）。
↓
先把这本书的纪律用到你自己的项目上 ——
按实体划分、报方差、检验覆盖率、写局限
↓
你会发现：光是这四条纪律，就能让你的结论质量提升一个档次
↓
然后再决定往哪个方向深入★ 最后一句话
这本书教的不是"怎么把分数调高"，而是"怎么知道自己该往哪走"。
后者才是能带走的能力。
祝你学得顺利。