用途：该技能面向 DataRobot 平台的特征工程工作，帮助理解自动生成的特征、分析特征重要性并优化特征集。
主要能力：特征发现（了解自动特征工程、派生特征与变换、识别数值/类别/文本/日期等特征类型）；特征重要性分析（获取模型特征重要性分数、比较不同模型、识别冗余或低价值特征）；特征优化（按重要性筛选特征、降低复杂度、为部署优化特征集）；特征文档（导出特征列表与定义、记录变换逻辑）。
使用方式：通过 DataRobot Python SDK 操作。安装：pip install datarobot。初始化客户端需设置 DATAROBOT_API_TOKEN 与 DATAROBOT_ENDPOINT。常用方法包括 model.get_features()、model.get_feature_impact()、project.get_features()，以及 feature.name、feature.feature_type、feature.importance 等属性。典型流程为获取特征重要性、按 impactNormalized 降序排序、取前 N 个特征并解释其含义；或按阈值（如 >0.1）过滤特征。
适用场景：模型可解释性分析、特征筛选与部署优化、向相关方说明特征含义。
限制：部分模型类型不提供重要性分数；重要性阈值因模型类型与问题领域而异；需具备项目与模型权限。资料未提供具体收费、价格或平台支持范围等信息。