1
Amy 原创整理｜资料核验：2026-10-31
【文档事实】FeatureUnion 会把同一份输入交给多路转换器分别处理，然后拼接各路结果，形成一份特征表示。它适合把不同特征提取方式组合起来；并不是把第一路输出继续送进第二路。
【教学示例】对同一批文本，一路提取词级特征，另一路提取字符级特征，再把两组列并排组合。这个例子说明数据流方向，不代表组合后的模型一定更好。
官方参数中，transformer_weights 对各路输出特征作乘法加权；把某一路设成 drop 会移除该路，而 passthrough 会保留未经转换的输入。这些设置会影响输出含义与维数。
【Amy 的检查建议】先画出每一路接收什么、输出多少列，再用小批样本查看最终形状和特征名。尤其不要误把权重理解成“投票比例”：这里加权的是特征值，不是多个分类器的预测结果。实际并行计算还取决于 n_jobs 等设置。
官方来源：
https://scikit-learn.org/stable/modules/generated/sklearn.pipeline.FeatureUnion.html