AI信贷审批系统搭建与调优实战100例 - 第4节

案例 4：数据标准化（Z-score）——消除量纲影响

目标：在信贷审批模型中，特征如“年收入（元）”与“信用分（300~850）”量纲差异巨大。若不处理，距离类模型（如KNN）或正则化模型（如Lasso）会偏向高数值特征。本案例使用 StandardScaler 实现Z-score标准化，使每个特征均值为0、标准差为1，消除量纲影响。

技术焦点：sklearn.preprocessing.StandardScaler 的 fit / transform / fit_transform 用法，以及标准化对模型系数的实际影响。

核心代码

import numpy as np
from sklearn.preprocessing import StandardScaler

# 模拟信贷审批特征：年收入(元)，信用分(300-850)，负债率(0-1)
X = np.array([
    [85000, 720, 0.35],
    [42000, 610, 0.62],
    [120000, 780, 0.28],
    [31000, 540, 0.80],
    [65000, 690, 0.45]
])

# 1. 创建标准化器
scaler = StandardScaler()

# 2. 拟合并转换（Z-score）
X_scaled = scaler.fit_transform(X)

# 3. 查看标准化后的均值和标准差（近似0和1）
print("标准化后均值:", X_scaled.mean(axis=0).round(6))
print("标准化后标准差:", X_scaled.std(axis=0).round(6))

# 4. 关键参数：均值与标准差（用于新数据转换）
print("训练集均值:", scaler.mean_)
print("训练集标准差:", scaler.scale_)

# 5. 新样本（如新申请客户）使用同一scaler转换
new_customer = np.array([[90000, 700, 0.40]])
new_customer_scaled = scaler.transform(new_customer)
print("新客户标准化后:", new_customer_scaled)

# 6. 对比：标准化前Lasso系数偏向高量纲特征，标准化后系数更均衡
from sklearn.linear_model import Lasso
y = np.array([1, 0, 1, 0, 1])  # 是否批准（示例标签）

# 未标准化
lasso_raw = Lasso(alpha=0.01).fit(X, y)
print("未标准化系数:", lasso_raw.coef_)

# 标准化后
lasso_scaled = Lasso(alpha=0.01).fit(X_scaled, y)
print("标准化后系数:", lasso_scaled.coef_)

验证路径与预期现象

• 验证1：运行代码后，输出“标准化后均值”接近 [0,0,0]（误差<1e-6），标准差接近 [1,1,1]。
• 验证2：对比Lasso系数：未标准化时，年收入 的系数值远大于 信用分（因为数值大）；标准化后，各特征系数量级接近，模型不再被高数值特征主导。
• 验证3：新客户 [90000,700,0.4] 标准化后，各特征值均落在约 [-1,1] 区间，说明已消除量纲影响。

迁移要点：在信贷审批流水线中，StandardScaler 必须在训练集上 fit，然后对验证集/测试集仅做 transform，避免数据泄露。对于树模型（如XGBoost）标准化非必需，但对线性模型、SVM、KNN和神经网络至关重要。