机器学习特征工程是ONE社区收录的AI SKILL插件，自动化特征工程工具，支持特征生成、选择和转换。截至2026年，ONE社区已收录77+款AI SKILL插件，提供一键安装与部署支持。
功能介绍
功能简介
机器学习特征工程提供自动化的特征生成、选择和转换工具，帮助数据科学家高效构建高质量特征集，提升模型表现。
核心功能
- 自动特征生成：基于原始特征的交叉、聚合、时间窗口等自动生成衍生特征
- 特征选择：基于统计检验、互信息、重要性排序等方法筛选最优特征子集
- 特征转换：标准化、归一化、编码（One-Hot/Target/WOE）和缺失值处理
- 特征存储：统一的特征仓库，支持离线和在线特征的一致性管理
- 特征监控：数据漂移检测和特征质量监控，及时发现数据分布变化
适用场景
- 机器学习模型开发中的数据预处理
- 风控评分卡特征筛选和WOE编码
- 推荐系统用户和物品特征构建
- 时序预测模型的窗口特征提取
推荐工具
自动特征工程推荐Featuretools或TSFresh（时序特征）；特征选择推荐Boruta或SHAP；特征存储推荐Feast或Hopsworks。整体流程建议：EDA→特征生成→特征选择→模型验证→特征上线。
安装方式
npx clawhub@latest install ml-feature-engineering安装完成后，在 OpenClaw 中搜索「机器学习特征工程」即可启用。