4. 单变量特征构造：数值型、类别型、时间型

单变量特征构造是授信决策引擎中最基础、最高频的操作。原始字段（如交易金额、职业、申请日期）往往不能直接用于模型，需要经过变换、编码或派生才能转化为有效特征。本章按数据类型分别讲解核心构造方法，并给出实战中的避坑指南。

4.1 数值型特征构造

数值型特征（金额、比率、差值）是信用评分模型的主力。原始数值往往存在长尾分布、量纲差异或非线性关系，需要针对性变换。

4.1.1 金额类特征

• 对数变换（Log Transform）：对收入、额度、交易金额等右偏分布做 log(1+x) 变换，使分布接近正态，提升线性模型拟合效果。
• 分箱（Binning）：将连续金额离散化为等距箱、等频箱或最优分箱（基于IV最大化）。分箱后可直接作为类别特征或计算WOE。
• 截尾处理（Winsorization）：对极端值按 1%/99% 分位数截断，防止离群点主导模型。

4.1.2 比率类特征

比率特征天然消除量纲，反映客户的偿债能力和资金效率。常用比率包括：

4.1.3 差值类特征

• 额度差值：授信总额度 - 已用额度，反映可用资金空间。
• 距上次还款天数：当前日期 - 最近一次还款日期，间隔越长逾期概率越高。
• 收入-支出差值：月收入 - 月固定支出，衡量可支配现金流。

4.2 类别型特征编码

类别型特征（职业、学历、地区、婚姻状况）不能直接输入模型，必须转换为数值。三种主流编码方式各有适用场景。

4.2.1 WOE编码（Weight of Evidence）

WOE编码是信用评分领域最推荐的类别编码方式，它直接与目标变量（好坏客户）的分布挂钩，具有天然的排序和单调性优势。

# WOE编码计算示例（Python伪代码）
import numpy as np

def calc_woe(df, feature, target):
    # target: 1=坏客户, 0=好客户
    total_good = df[target].sum()
    total_bad = len(df) - total_good
    woe_dict = {}
    for cat in df[feature].unique():
        sub = df[df[feature] == cat]
        good_cnt = sub[target].sum()
        bad_cnt = len(sub) - good_cnt
        # 平滑处理避免除零
        good_dist = (good_cnt + 0.5) / (total_good + 0.5)
        bad_dist = (bad_cnt + 0.5) / (total_bad + 0.5)
        woe = np.log(good_dist / bad_dist)
        woe_dict[cat] = woe
    return woe_dict

4.2.2 One-Hot编码

将每个类别扩展为一个二元虚拟变量（0/1）。适用于类别数较少（通常 < 20）且无自然顺序的场景，如婚姻状况、产品类型。注意：当类别过多时会导致维度灾难，建议先做低频合并。

4.2.3 Label Encoding

将类别映射为整数（如小学=1、初中=2、高中=3）。仅适用于有序类别，如学历等级、信用评级。对无序类别（如职业、城市）使用Label Encoding会误导模型认为类别间存在数值大小关系，应避免。

4.3 时间型特征构造

时间型特征（申请日期、还款日、出生日期）不能直接作为数值输入，需要转化为有意义的派生特征。时间特征能捕捉季节性、行为周期和时效性。

4.3.1 距今天数（Recency）

最常用的时间派生特征，反映事件距今的远近。典型应用：

• 距最近逾期天数：距离最近一次逾期记录的天数，越近风险越高。
• 账户开立天数：从开户到当前日期的天数，衡量信用历史长度。
• 距上次申请天数：多次申请间隔，频繁申请（短间隔）是资金紧张信号。

4.3.2 月份与季节

提取申请或交易发生的月份（1-12），用于捕捉季节性效应。例如：春节前后消费贷需求上升，年底逾期率通常偏高。月份特征可作为类别特征（WOE编码）或循环特征（sin/cos变换）入模。

4.3.3 星期与工作日

提取星期几（0-6）或是否为工作日/周末。行为模式差异：周末申请贷款的用户逾期率可能高于工作日申请的用户；还款日落在周末的还款延迟概率更高。

# 时间特征构造示例（Python）
import pandas as pd
from datetime import datetime

def create_time_features(df, date_col):
    df['申请日期'] = pd.to_datetime(df[date_col])
    ref_date = datetime.now()  # 或使用固定参考日期
    df['距今天数'] = (ref_date - df['申请日期']).dt.days
    df['申请月份'] = df['申请日期'].dt.month
    df['申请星期'] = df['申请日期'].dt.weekday
    df['是否周末'] = df['申请星期'].isin([5,6]).astype(int)
    return df

4.4 单变量构造避坑清单