2. 特征工程：衍生变量生成

任务目标

基于信贷申请原始字段（月收入、总负债、贷款金额、信用历史长度等），构造有业务含义的衍生特征，使后续模型能捕捉原始单字段无法表达的还款能力与风险信号。本案例以负债收入比（DTI）为核心衍生变量，并补充额度使用率、信用历史分段等常用衍生特征，形成一份可直接用于建模的特征工程代码。

原始数据说明

使用内置模拟数据（无需外部文件），每条样本包含以下原始字段：

• monthly_income：月收入（元）
• total_debt：总负债（元）
• loan_amount：本次贷款申请金额（元）
• credit_history_months：信用历史长度（月）
• default_flag：目标变量，1表示违约，0表示正常

核心实现

import pandas as pd
import numpy as np

# ========== 1. 构造原始模拟数据（10条样本） ==========
raw_data = {
    'monthly_income': [8000, 15000, 6000, 20000, 9500, 12000, 4500, 18000, 7000, 30000],
    'total_debt':     [20000, 45000, 15000, 60000, 30000, 50000, 12000, 80000, 18000, 90000],
    'loan_amount':    [50000, 120000, 30000, 200000, 60000, 100000, 25000, 150000, 40000, 250000],
    'credit_history_months': [12, 60, 6, 84, 24, 48, 3, 96, 18, 120],
    'default_flag':   [1, 0, 1, 0, 1, 0, 1, 0, 1, 0]
}
df = pd.DataFrame(raw_data)

# ========== 2. 衍生特征生成 ==========
# 2.1 负债收入比（DTI）：总负债 / 月收入，衡量月度偿债压力
df['dti'] = df['total_debt'] / df['monthly_income']

# 2.2 贷款收入比：贷款金额 / 年收入，反映贷款规模相对收入水平
df['loan_to_annual_income'] = df['loan_amount'] / (df['monthly_income'] * 12)

# 2.3 信用历史分段：将连续月份转为类别（<12为短期，12-48为中期，>48为长期）
def credit_segment(months):
    if months < 12:
        return 'short'
    elif months <= 48:
        return 'medium'
    else:
        return 'long'

df['credit_segment'] = df['credit_history_months'].apply(credit_segment)

# 2.4 收入负债交互项：月收入与DTI的乘积，捕捉高收入高负债组合风险
df['income_dti_interaction'] = df['monthly_income'] * df['dti']

# ========== 3. 查看生成结果 ==========
print("衍生特征生成完成，新增4个特征：dti, loan_to_annual_income, credit_segment, income_dti_interaction")
print("\n前5行数据预览：")
print(df[['monthly_income', 'total_debt', 'dti', 'loan_to_annual_income', 'credit_segment']].head())
print("\n衍生特征统计描述：")
print(df[['dti', 'loan_to_annual_income', 'income_dti_interaction']].describe())

运行方式

环境要求：Python 3.7+，安装 pandas 和 numpy。将上述代码保存为 feature_engineering.py，在终端执行：

python feature_engineering.py

验证方法

运行后观察输出：

• 数据预览应显示每行新增的 dti 值等于 total_debt / monthly_income（例如第1行：20000/8000=2.5）
• credit_segment 应正确分类：信用历史6个月为 short，24个月为 medium，60个月为 long
• 统计描述中 dti 的最小值应为 2.0（4500元收入对应12000元负债），最大值应为 3.0（6000元收入对应15000元负债）

若输出与上述逻辑一致，说明衍生特征生成正确，可直接将 df 中新增列作为模型输入特征。

特征有效性说明

上述衍生特征中，dti 和 loan_to_annual_income 直接刻画借款人偿债能力，credit_segment 将连续变量离散化以捕捉非线性效应，income_dti_interaction 则保留高收入高负债组合的交互信息。将这些特征加入逻辑回归或树模型后，相比仅用原始字段，模型可更有效区分违约风险群体。