Feature Engineering Toolkit 技能：用 Pipeline 编码和缩放

Claude Code 安装步骤

从 GitHub 固定提交获取完整的 `plugins/ai-ml/feature-engineering-toolkit/skills/engineering-features-for-machine-learning` 目录。
复制到目标项目的 `.claude/skills/`，确认 `.claude/skills/engineering-features-for-machine-learning/SKILL.md`，再从项目根目录启动 Claude Code，输入 `/engineering-features-for-machine-learning`。

用 Claude Code 为表格模型设计数值缩放与分类编码，把拟合步骤放进 sklearn Pipeline 并验证新类别处理。

用数量和 category 预测合成商品销量。训练类别只有 mug、cup，验证行加入 bottle。通过 StandardScaler 与 OneHotEncoder(handle_unknown='ignore') 处理，再在验证行运行 transform。

验证样本的特征矩阵列数与训练输出一致。未知类别依配置处理，数值缩放只用训练统计。

GitHub 原文 · 更新日期 2026-11-13

准备 Python、pandas、scikit-learn 和合成商品样本。训练数据有数量和类别字段，验证集另含未见类别。

先切分。让缩放器和编码器只拟合训练数据，验证和测试只做 transform。