如何添加删除常量值列的步骤，解决step_corr()运行警告问题？

核心结论 #

优先直接删除训练窗口内取值完全恒定的零方差变量，仅在明确变量后续会产生有效取值的特殊场景下，再选择将其排除在相关性计算步骤外，不建议忽略警告直接运行。

选择直接删除的原因 #

• 取值恒定的变量没有任何信息增益，对所有模型的预测效果都不会有正向贡献，留在特征集只会增加冗余计算，还可能引发后续建模步骤的同类报错（比如线性模型系数估计异常、树模型分裂逻辑报错），后续做特征重要性排序、模型解释时也会出现无意义的结果。
• step_corr()抛出警告的底层原因是相关性计算依赖变量的标准差，零方差变量标准差为0，会出现除以0的逻辑异常，仅跳过相关性计算不删除变量，没有解决根本问题。

规范的Recipe流程调整 #

特征过滤步骤需要严格按如下顺序排列，从根源避免这类警告：

• 首先执行缺失值填充：调用step_impute_mean()/step_impute_knn()等函数处理缺失值，避免缺失值导致的假零方差问题
• 其次执行零方差/近零方差过滤：调用step_zv()自动删除当前训练集内所有取值恒定的变量，若数据集噪声大可以追加step_nzv()过滤近零方差变量
• 最后执行step_corr()做高相关变量过滤

特殊场景处理 #

如果你明确知道当前窗口内的恒定变量存在业务意义，后续滚动窗口中会产生有效取值（比如时间维度的政策哑变量、活动标记变量等），不需要删除，仅需要在step_corr()中排除这类变量即可，示例写法：

recipe(target ~ ., data = train_data) %>%
  # 其余预处理步骤
  step_corr(all_numeric_predictors(), -all_of(c("policy_dummy", "campaign_flag")), threshold = 0.7)

内容的提问来源于stack exchange，提问作者fahmy