📚 课程目录第1章特征工程概述

1. 特征工程概述

在授信决策引擎中，原始数据（如用户基本信息、交易流水、多头借贷记录）往往包含大量噪声、缺失值和冗余信息。特征工程正是将这些原始数据转化为能够准确刻画用户信用风险、还款能力和欺诈倾向的数值化特征的过程。其核心价值体现在以下三个层面：

价值维度	具体说明	业务影响
风险区分度提升	通过衍生变量（如收入负债比、近3个月查询次数趋势）放大好客户与坏客户之间的统计差异	KS值提升5%~15%，坏账率下降
模型鲁棒性增强	对缺失值、异常值进行科学处理，减少模型对特定样本的过拟合	跨时间、跨客群的稳定性提高
业务可解释性落地	将复杂行为模式（如多头借贷、资金归集）转化为可解释的规则特征	满足监管要求，提升审批透明度

  关键认知： 在授信场景中，特征工程对模型性能的贡献通常占60%~80%，远高于模型算法本身的选择。没有高质量的特征，再先进的深度学习模型也无法产出稳定的风控效果。

特征工程直接决定了模型性能的上限。以下关系图展示了特征质量、模型复杂度与最终预测能力之间的内在联系：

实战经验： 在授信决策引擎中，特征工程不是一次性工作。随着业务环境变化（如监管政策调整、欺诈手法升级），特征需要持续迭代。一个优秀的特征工程体系，应当具备自动监控特征稳定性（PSI）和特征有效性（IV值）的能力。

授信决策场景下的特征工程不是孤立的特征加工步骤，而是一个覆盖数据接入到特征监控的完整生命周期。以下流程图展示了标准化的特征工程全链路：

以下表格详细列出了特征工程全生命周期中每个阶段的核心任务、常用技术及交付物：

阶段	核心任务	常用技术/工具	关键交付物
数据接入	多源数据（征信、交易、设备指纹）整合，字段对齐	ETL工具、数据湖、API网关	数据字典、字段覆盖率报告
数据清洗	缺失值处理、异常值截断、重复记录去重	分位数截断、均值/中位数填充、聚类去噪	清洗规则文档、数据质量看板
特征衍生	统计特征（均值/方差）、时序特征（趋势/波动）、交叉特征	滑动窗口、聚合函数、特征交叉工具	衍生特征池、特征血缘关系图
特征筛选	IV值计算、相关性分析、多重共线性检验	IV筛选、Pearson/Spearman、VIF	入模特征清单、筛选报告
特征变换	连续变量分箱、WOE编码、标准化/归一化	等频分箱、卡方分箱、Z-score	分箱映射表、WOE转换函数
特征监控	PSI稳定性监控、缺失率漂移、特征有效性衰减	PSI计算、分布对比、趋势图	监控看板、告警规则、迭代触发机制

常见误区： 很多团队在特征衍生阶段投入大量精力，却忽视了特征监控环节。实际授信场景中，特征稳定性问题（如PSI超过0.2）往往是模型失效的第一信号。建议在特征工程体系搭建初期就将监控模块纳入架构设计。