1
Amy 原创整理｜资料核验：2026-10-31
【官方文档事实】SelectKBest 默认 score_func=f_classif，默认 k=10。f_classif 面向分类任务；把这个选择器直接搬进回归流程，并不等于会自动换成回归打分。
回归场景可按方法适用性选择 f_regression 或 mutual_info_regression 等函数。另一个容易误读的参数是 k="all"：它表示保留全部特征、跳过筛选，便于做参数比较；不是让工具自动找出最佳特征数量。分数相同的特征之间，选择顺序也没有被规定为固定规则。
【Amy建议】看一条特征选择流程时，先核对目标是分类还是回归，再看打分函数，最后看保留数量。比较 k 的效果应使用预先设计的验证流程，不能只看训练集分数。遇到默认设置能运行，也仍要检查统计含义是否符合问题；“没有报错”不足以说明特征筛选有效。
官方来源：
https://scikit-learn.org/stable/modules/generated/sklearn.feature_selection.SelectKBest.html