用途：将原始数据系统化转换为可训练特征，覆盖数据质量评估、特征创建、特征筛选、特征变换与特征验证五个阶段，并与 SpecWeave 的 increment 工作流集成。
主要能力：DataQualityReport 生成缺失值、异常值、数据类型、分布、相关性与重复检测报告；FeatureCreator 支持时间、聚合、交互、比率、分箱、文本等特征创建，并自动生成 feature_definitions.yaml；FeatureSelector 支持相关性、低方差、统计检验、模型重要性与 RFE 筛选；FeatureTransformer 支持标准化、独热/标签/目标编码、序数编码、对数与 Box-Cox 变换及自定义变换，可保存 transformer.pkl；FeatureValidator 检查数据泄漏、分布漂移、缺失值与非法值。
使用方式：按阶段调用上述类，例如 creator.add_temporal_features、selector.select_by_model_importance、transformer.fit_transform(X_train) 与 transformer.transform(X_test)，最后用 validator.generate_report() 输出报告。命令包括 /ml:engineer-features 0042、/ml:validate-features 0042、/ml:feature-importance 0042，文档同步用 /sw:sync-docs update。
适用场景：电商 RFM、时间序列滚动窗口、类别目标编码、多项式特征等 ML 特征工程流程。
限制：资料未提供安装方式、依赖版本、收费与平台支持信息；目标编码等操作需注意数据泄漏风险。