scikit-learn是Python中非常流行的机器学习库。在使用该库时可能会遇到”ValueError: Feature is constant.”的错误提示，该错误通常表示输入的特征向量中某些特征的取值是固定的，即方差为0，在机器学习中这些特征被称为常量特征。因为常量特征对于训练模型是没有任何帮助的，所以会引发该错误。
常量特征出现的原因有很多，可能是数据预处理过程中的缺陷，也可能是原始数据本身就存在常量特征。常常出现常量特征的情况是，某些列的取值完全一样，例如数据集中某一列中所有值都是0。
解决常量特征问题其实比较简单，我们可以使用sklearn.feature_selection.VarianceThreshold类，该类会根据方差的阈值来删掉过低方差的特征，即删除方差小于某个值的特征。例如：
from sklearn.feature_selection import VarianceThreshold
selector = VarianceThreshold(threshold=0.1)
X = selector.fit_transform(X)
上述代码中threshold参数即为方差的阈值，可以根据实际情况指定。如果不指定threshold参数，则默认情况下会删除所有的常量特征。
值得注意的是，删除常量特征只是特征选择过程中的一个小步骤，不能保证模型的质量，还需要进行其他的特征选择或特征工程等操作，以提高模型的准确性。