应放弃KBinsDiscretizer，改用继承BaseEstimator和TransformerMixin的自定义分箱器，将业务边界存为self.bins，fit仅校验，transform用np.digitize确保训练/测试集边界一致。

KBinsDiscretizer 默认等宽分箱不满足业务需求怎么办

默认 strategy="uniform" 会把数据范围线性切分成 k 段，但实际中常需要按业务逻辑切——比如年龄按“0-17, 18-59, 60+”分，或收入按“20k”分。这时候 KBinsDiscretizer 的默认行为完全不够用，必须绕过它，改用自定义边界。

用 KBinsDiscretizer 强行塞自定义区间会报错

它的 bins 参数只接受整数（表示等宽/等频的 bin 数），不接受列表或数组。直接传 bins=[0, 18, 60, 100] 会触发 ValueError: bins must be an int。这不是 bug，是设计限制——它定位就是无监督、自动划分，不是业务规则引擎。

• 想硬改源码或 monkey patch？不推荐，后续升级易崩，且破坏 sklearn 接口一致性
• 用 fit_transform 后再手动映射？可行但丢失了 transformer 的可复用性（比如 pipeline 里没法保存边界）
• 真正干净的做法：放弃 KBinsDiscretizer，换 sklearn.preprocessing.FunctionTransformer + numpy.digitize 或 pandas.cut

用 FunctionTransformer 实现可控、可持久化的自定义分箱

核心思路是把分箱逻辑封装成纯函数，再用 FunctionTransformer 包一层，让它能进 Pipeline、能 fit/transform、能 joblib.dump 保存。

from sklearn.preprocessing import FunctionTransformer
import numpy as np
定义你的业务边界（必须排序，且覆盖全量范围）
age_bins = [0, 18, 60, 120]

                                                        

                                                                
                                                                

                                                                        Python 3.14.3
                                                                        
微软官方的 Python 扩展，是 VS Code 安装量最高的扩展（209M+）。集成 IntelliSense（通过 Pylance）、调试（通过 Python Debugger）、代码检查、格式化、重构和单元测试等功能。支持 Jupyter Notebook、虚拟环境管理和多 Python 版本切换。
                                                                
                                                                下载 
                                                        
                                                
注意：digitize 返回的是 bin 索引（从 1 开始），减 1 得到 0-based label
def custom_binner(x):
return np.digitize(x, age_bins, right=True) - 1
binner = FunctionTransformer(func=custom_binner, validate=False)
X_transformed = binner.fit_transform(X_age.reshape(-1, 1))

• right=True 表示右闭区间，即 [0,18), [18,60), [60,120] —— 这和 pd.cut 默认一致
• validate=False 是关键，否则 FunctionTransformer 会试图对输入做 shape 校验，而 digitize 输入是一维数组
• 边界数组必须严格递增，且首尾要兜住数据最小值和最大值，否则 digitize 会返回 0 或 len(bins)

保存和加载自定义分箱器时最容易漏掉的点

边界数组本身不是 fitted 状态的一部分，FunctionTransformer 不会自动保存它。如果直接 joblib.dump(binner)，加载后函数里的 age_bins 还在，但这是闭包变量，不是实例属性——看起来能用，但一旦你把代码拆模块、重命名变量，就失效。

• 正确做法：把边界作为类属性显式存下来，写个轻量 wrapper 类
• 或者更简单：用 functools.partial 绑定参数，再传给 FunctionTransformer
• 最稳妥：不用 FunctionTransformer，直接继承 BaseEstimator 和 TransformerMixin，把 bins 存在 self.bins 里，fit 方法只做校验（比如检查数据是否越界），transform 调 np.digitize

边界一旦定下来，就别在 transform 阶段动态计算；训练集和测试集必须用同一套边界，否则离散化结果不可比。