01 什么是“特征工程”？#

我喜欢把训练模型比作“炒菜”，特征工程就是“备菜”。

• 原始数据 (.mat)： 就像刚从地里拔出来的带着泥土的萝卜（数据量大、噪音多、格式乱）。
• 特征工程： 洗菜、削皮、切丝。把原始数据变成干净、整齐的 CSV 表格。
• 模型训练： 最后下锅爆炒。

如果菜备不好，再好的厨子（模型）也做不出好菜。

02 抽取关联因子#

我们要写一个 Python 脚本，它的任务只有一个：遍历文件夹，把 46 块电池“第 100 圈”的数据抓出来。

没错，我们这次要挑战最高难度“100cyc”。

假设电池刚出厂跑了两周，我想知道它未来能用几年。

首先，我们要知道哪些是电池的特征数据，这就要一点电化学的知识了。也就是说，如果光会算法不懂电池，这活还真干不了。

第一个特征：当然就是我们上一篇用到的“神之特征”：dQdV啦。

我们知道，峰越平（方差越小），说明电池内伤越重。

第二个特征：电池的100圈容量

我的理解是，如果100圈容量已经很低，先天瘦弱圣体，大概率活不长。

第三个特征：最小峰值，也就是dQdV的谷底/峰高的程度。

用于判断电化学反应的完整程度。

03 代码实战：构建“特征工厂”

话不多说，直接上 Python 代码。

脚本会自动打开 2GB 的 .mat 文件，像流水线一样处理每一块电池。

核心逻辑片段(全部代码和提取的csv已上传星球）#

for i inrange(46): # 遍历所有电池# 1. 提取第圈的电压 V 和容量 QV_raw,Q_raw = load_data(cell_id=i, cycle=100)# 2. 调用我们的独门绝技：平滑滤波算法dqdv_curve = gaussian_filter(diff(Q, V))# 3. 计算关键特征feat_var = np.var(dqdv_curve) # 算出方差feat_cap = np.max(Q_raw) # 4. 获取真实寿命 (作为标签 y)life =get_total_life(cell_id)# 5. 存入列表 data_list.append([feat_var, feat_cap, life])# 最后生成CSVdf =pd.DataFrame(data_list)df.to_csv(‘Battery_Fleet_Features.csv’)

代码解析：

大家看，这段代码没有任何高深的算法，全是脏活累活：数据清洗、插值、去重、异常值处理。

但正是这些步骤，把 2GB 的杂乱数据，浓缩成了一个 20KB 的精简表格。

1. 招聘 100 个老师傅 (n_estimators=100)# random_state=42 是为了保证每次开会的老师傅都是同一拨人，方便复现结果rf_model = RandomForestRegressor(n_estimators=100, random_state=42)#

2. 把 46 个电池的病历 (X_train) 和真实寿命 (y_train) 扔给他们学习# 这时候，100 个师傅就开始在脑子里画各自的流程图了rf_model.fit(X_train, y_train)#

3. 拿新电池给他们看，让他们预测 (Predict)y_pred = rf_model.predict(X_test)#

（完整代码已上传星球）

某同学-------“啥意思老师，还是听不懂！”

这位同学，先把你手放下，春节以后我放出我写的一万字“JMP 预测分析”，里面有非统计学也能看懂的机器学习算法说明。”

然后我们输出结果

呃，R²=0.03，和瞎猜差不多，有点尴尬。。。

这是什么概念？ 满分是 1.0。0.03 意味着模型基本等于“瞎蒙”。甚至你扔硬币猜单双，准确率可能都比它高。

看一眼预测散点图（左图）：真实寿命 800 圈的“短命鬼”，它预测 1200 圈。真实寿命 1200 圈的“长寿星”，它预测 750 圈。

AI 完全瞎了。它根本分不清谁能活得长。

“难道 理论是骗人的？难道物理特征在机器学习面前一文不值？”

冷静下来后，我做了一次 RCA (根本原因分析)。

我把那些预测错得离谱的电池挑出来，一个个查它们的原始档案。

突然，我发现了一个惊人的规律：被高估的电池（死得早）： 全是 6C、4C 这种暴力快充的。被低估的电池（活得长）： 全是 1C、2C 这种慢充养生的。

恍然大悟！我犯了一个典型的“实验室思维”错误。我现在的模型输入只有：Var_Cycle100（方差）和 Cap_Cycle100（容量）。

这就像你去医院体检：AI 医生： “看你的 X 光片（方差）和体重（容量），你的身体素质简直完美！像个运动员！我预测你能活到 100 岁！”

病人： “谢谢医生，那我先出去抽根烟，顺便去工地搬砖了。”AI 不知道这个“身体完美”的人，每天在“作死”（6C 快充）。

在 MIT 这个数据集里，“怎么用电池”（外因） 对寿命的影响，甚至超过了 “电池体质”（内因）。如果不把“充电电流”告诉 AI，它当然觉得所有电池都一样健康，只能给出一个平均分。

原因找到了：我们漏掉了“工况特征”。

我立刻修改了特征提取脚本，在循环里加了一行简单的代码：

#计算第100圈的平均充电电流I_raw = f[I_ref][:].flatten()# 只统计充电阶段（电流大于0）avg_current = np.mean(I_raw[I_raw > 0.05])

然后，在训练脚本里，把这个新特征加入列表：

把“作息表”也喂给 AIfeature_cols = [‘Var_Cycle100’, ‘Cap_Cycle100’, ‘Avg_Charge_I’]#

见证奇迹：R² 从 0.03 飙升到了 0.69！

散点图瞬间收敛，蓝色的点乖乖地沿着对角线排列。AI 终于“开眼”了，它准确地把快充电池判定为“短命”，把慢充电池判定为“长寿”。

让我们看看随机森林给出的 特征重要性 排名，这揭示了锂电池的真相：

• 充电电流：权重 45%****“命长命短看工况”。 充电倍率是第一杀手。
• dQ/dV方差：权重 18%****“身体好坏看内因”。 在同等充电策略下，方差越小的电池越耐用。