4. 特征工程入门：特征分类与构造

特征工程是数据产品从“可用”走向“好用”的关键环节。在分群评分沙盘中，原始数据往往无法直接用于模型训练，必须经过分类识别、清洗转换和衍生构造，才能成为真正有预测能力的特征。本章从特征分类出发，系统讲解数值型、类别型、时序型特征的处理逻辑，并给出常用的特征构造与衍生方法。

4.1 特征三大分类

根据数据本身的测量尺度和业务含义，特征通常分为三类：数值型、类别型和时序型。不同类型对应不同的预处理和编码策略。

4.2 特征构造与衍生方法

特征构造是从原始数据中主动创建新特征的过程，目的是暴露数据中隐藏的模式。以下列出三类最常用的构造方法。

4.2.1 数值型特征衍生

• 多项式组合：对两个或多个数值特征做乘、除、平方、交叉乘积，例如 收入 / 年龄、消费金额²。
• 分箱离散化：将连续值按等距、等频或业务阈值切分为有序类别，例如年龄分箱为 [0-18, 19-35, 36-55, 56+]。
• 统计聚合：在分组内计算均值、标准差、最大值、最小值、变异系数等，例如“用户过去7天平均订单金额”。
• 比率与占比：构造分子/分母形式的指标，如“信用卡使用率 = 信用卡消费 / 总消费”。

4.2.2 类别型特征编码

4.2.3 时序型特征提取

• 滑动窗口统计：在固定时间窗口内计算均值、总和、趋势斜率，例如“最近30天登录天数”。
• 时间戳分解：从日期时间中提取年、月、日、星期几、是否为节假日、是否为工作日。
• 间隔与周期：计算相邻事件的时间间隔、距当前时间的距离、周期性编码（如正弦/余弦变换）。
• 序列聚合：对行为序列做计数、去重计数、最长连续天数、模式匹配等。

4.3 特征构造流程总览

下图展示了从原始数据到可用特征集的完整构造流程，包含分类识别、清洗转换、衍生构造和筛选评估四个阶段。

4.4 实战：从原始交易表构造评分特征

以下代码演示如何从一张原始交易记录表出发，通过特征工程构造出可用于分群评分的特征集。示例使用 Python 风格伪代码，核心逻辑可直接迁移到 Spark、SQL 或 Pandas 环境。

# 原始数据：交易记录表 transactions
# 字段：user_id, trans_date, trans_amount, merchant_type

# 1. 数值型特征衍生
df['amount_log'] = np.log1p(df['trans_amount'])                     # 对数变换
df['amount_per_day'] = df['trans_amount'] / df['days_since_reg']    # 比率特征
df['amount_bin'] = pd.cut(df['trans_amount'], bins=[0,100,500,2000,1e6], labels=['低','中','高','超高'])

# 2. 类别型特征编码（目标编码示例）
target_mean = df.groupby('merchant_type')['target'].mean()
df['merchant_target_enc'] = df['merchant_type'].map(target_mean)

# 3. 时序型特征提取
df['trans_year'] = df['trans_date'].dt.year
df['trans_month'] = df['trans_date'].dt.month
df['trans_weekday'] = df['trans_date'].dt.weekday

# 滑动窗口：每个用户最近30天交易笔数
df['last30d_count'] = df.sort_values('trans_date') \
    .groupby('user_id')['trans_date'] \
    .rolling(window='30D', on='trans_date') \
    .count() \
    .reset_index(level=0, drop=True)

# 4. 聚合特征：用户级汇总
user_features = df.groupby('user_id').agg(
    total_amount=('trans_amount', 'sum'),
    avg_amount=('trans_amount', 'mean'),
    trans_count=('trans_date', 'count'),
    unique_merchant=('merchant_type', 'nunique'),
    last_trans_days=('trans_date', lambda x: (pd.Timestamp.today() - x.max()).days)
).reset_index()

4.5 特征构造的常见陷阱与应对