我正在尝试构建一个用于回归问题的预测的Flask服务。我拥有构建模型所需的数据，这些数据大约有20列。使用这些数据，我已经构建了一个不错的回归模型。但在训练模型时，我进行了大量的特征工程工作，例如对数Box-Cox变换、独热编码、因为高多重共线性而删除了一些列等，现在特征的数量增加到了35个。我在这些35个特征上训练了模型，检查了性能，并使用pickle保存了模型。我在Flask服务中加载了我的pickle模型。但现在模型的输入格式仍然是我原始数据的格式，只有20列。

那么，我如何对新的一组输入进行所有的特征工程呢？我只能保存训练好的模型，但如何在将新数据用于预测之前完成所有的特征工程呢？

回答：

一旦特征工程工作成功（经过多次实验），就应该将其转化为输入处理代码（作为机器学习pipeline的一部分）。这些代码，经过一些重构后，应该成为在输入到训练模型之前的输入处理代码。

这通常通过可插拔的架构来支持（如Pipeline in sklearn或tf.data在TensorFlow中的一组类）。