用途：在表格数据（CSV/TXT/TSV）上通过 R 命令行训练 XGBoost 模型，导出特征重要性排名表和特征重要性图像，适用于需要可复现训练测试划分、模型评估与重要性排名的场景，支持二分类和回归，自动对类别型预测变量做独热编码。
主要能力：自动检测任务类型；二分类需恰好 2 个类别，回归要求目标列为数值型；自动排除类似 V1 的唯一标识列；剔除目标缺失行；支持自定义测试集比例、随机种子、boosting 轮数、树深、学习率、采样比例、正则化、早停等参数；特征重要性可选 gain、cover、frequency，默认 gain，默认绘图前 20 个特征。
使用方式：需 shell 中可用 Rscript，并安装 optparse、data.table、Matrix、xgboost 包，安装命令为 Rscript -e 'install.packages(c("optparse", "data.table", "Matrix", "xgboost"), repos="https://cloud.r-project.org")'。主命令：Rscript scripts/main.R
--data_file <input_file>
--target_var <target_column>
--task_type <auto|classification|regression>
--output_dir <output_dir>
必须提供 --data_file 与 --target_var，否则退出并提示 SKILL_MISSING_INPUT。
输出：在输出目录下生成 table/ 与 figure/，主要文件包括 <output_prefix>_feature_importance.csv、<output_prefix>_model_performance.csv，以及 <output_prefix>feature_importance<importance_metric>.png，另有 session_info.txt。重要性表字段含 Rank、Feature、Gain、Cover、Frequency、SelectedMetric、SelectedValue。
限制：不支持多分类；输入必须为表格型 CSV/TXT/TSV；不提供因果推断、机制解释或政策、业务、临床结论；仅需叙事解读或结果分诊时不宜使用。每类至少 2 行。常见错误标识包括 SKILL_FILE_NOT_FOUND、SKILL_MISSING_COLUMNS、SKILL_INVALID_DATA、SKILL_INVALID_PARAMETER、SKILL_DEPENDENCY_MISSING。