特征重要性的正确读法：gain、split与.permutation
先掌握这个答案
三算法：①gain（增益）：特征在所有分裂中带来的损失下降总和——最常用；偏见：与特征的使用频率耦合（能多次分裂的特征占优）。②split（分裂次数）：被选为分裂点的次数；偏见：高基数特征（取值多的）有更多候选切点→天然被多选——「树的户口歧视」。③permutation（置换）：打乱该特征后模型分数的下降——最贴近"这个特征贡献了什么"；偏见：相关特征间互相稀释（打乱A时B能顶上→A显得不重要）。防偏见组合拳：榜单用gain+permutation双列对照；高基数特征预先分箱（把连续换成分位——拉平户口）；相关组按"组贡献"合并解读（q-716的组思想）。正确用途：①粗筛（gain榜的尾部剔除候选）；②诊断（重要性突变为数据问题的警报——某天一个垃圾特征登顶=管道出错）；③沟通（向非技术者讲模型在看什么）。错误用途："重要性高=因果/该因子独立有效"——它只说明模型用了它（相关组内的分摊问题，q-716）。
先读结论，再核对下方使用边界；数字例题为教学情景，涉及实际行情与规则时请核对原始来源。
从理解到使用
本阶段实战方法 · 把验证流程当作模型的一部分
训练选股模型或使用另类数据时，先保证训练过程没有接触预测时不可得的信息。
- 定义每个样本的特征可得时间和标签覆盖区间，再按预测场景设计时间切分。
- 归一化、缺失填充、特征选择和调参只在训练集拟合；重叠标签要按实际区间purge。
- 用朴素基线和多段滚动样本外比较，报告成本、稳定性、漂移与全部实验次数。
使用边界
- 排行榜或验证集反复用于挑模型后也会过拟合；留一份最终测试集。
- 随机切分不是所有问题都禁止，但金融未来预测必须尊重时点和标签重叠，说明验证目标。
- 重要性第一名=最好的因子：它可能只是"最好切的高基数特征"或"相关组的随机代表"——双算法对照+组解读再下结论
- 重要性低=可以删：可能被相关兄弟稀释（permutation的暗面）——删除决策用"删了之后样本外掉多少"做终审
- 重要性稳定不变：市场结构变化会改榜单（某类因子崛起）——滚动重要性本身是监控信号（配合q-712的PSI）
🛠 本题实践任务
为你的模型输出gain+permutation双榜单：找出只出现在单榜的特征（高基数嫌疑或相关组稀释），做分箱/组化改造后重训——新榜单更可信了吗？
💡 提示（先自己想5分钟再看）
permutation在相关特征间互斥稀释——组化后重看；分箱用qcut十分位。
在你的浏览器内运行。首次需联网下载 Python；支持标准库和 Pyodide 提供的 NumPy、pandas 等包。行情抓取、系统文件访问和部分第三方库请在本地环境运行。输出自检仅比对结果关键词，不代替逻辑审查。
🤖 AI导师
导师会先检查你的前置知识（决策树结构、过拟合信号），再用案例、公式和代码帮助理解。此功能需要先启用服务。