2、特征工程基础：特征工程的定义、重要性、在风险建模中的核心地位

2.1 特征工程的定义

特征工程（Feature Engineering）是将原始数据转化为能够更有效表示业务问题、并被机器学习模型理解与学习的特征向量的过程。在风险归因建模中，特征工程不仅是对数据的简单清洗与变换，更是将业务经验、风险逻辑与统计规律深度融合的关键环节。

从数学视角看，特征工程的目标是构造一个映射函数 f: X_raw → X_feat，使得在特征空间 X_feat 上训练的风险模型能够更准确地逼近真实风险函数 P(Y|X)，其中 Y 为违约/欺诈等风险标签。

2.2 特征工程在风险建模中的核心地位

风险建模的成败，60% 以上取决于特征工程的质量。原始数据中往往包含大量噪声、缺失值、异常值以及非线性关系，直接输入模型会导致严重的过拟合或欠拟合。特征工程通过以下四个维度直接决定模型的上限：

在风控场景中，特征工程还承担着将业务规则“编码”进模型的任务。例如，将“近30天逾期次数”转化为“逾期率趋势斜率”，比直接使用原始计数更能捕捉用户信用恶化的动态信号。

2.3 特征工程的核心流程

一个完整的特征工程管线通常包含以下六个步骤，它们构成一个迭代闭环：

1. 数据探索与理解：分析字段分布、缺失模式、异常值、时间跨度。
2. 数据清洗：处理缺失值、重复值、异常值、格式统一。
3. 特征构造：基于业务逻辑与统计方法生成新特征（聚合、交叉、变换）。
4. 特征编码：将类别型、文本型、时间型数据转化为数值向量。
5. 特征选择：剔除冗余、无关、高相关特征，降低维度灾难。
6. 特征监控：在模型上线后持续追踪特征稳定性与有效性。

2.4 特征工程与模型性能的关系

下图展示了特征工程质量与模型性能之间的典型关系曲线。横轴为特征工程投入（时间/复杂度），纵轴为模型区分能力（AUC/KS）。

从图中可以清晰看到：在特征工程投入较低阶段（左侧），模型性能提升缓慢；进入中等投入阶段后，性能呈指数级增长（收益递增区）；当特征工程达到一定复杂度后，边际收益开始递减。风控建模的最佳实践是将特征工程投入控制在“收益递增区”与“收益递减区”的拐点附近。

2.5 特征工程的核心挑战

在风险归因建模中，特征工程面临以下特有挑战：

• 样本不平衡：违约/欺诈样本通常占比极低（<5%），特征工程需要增强少数类的信号。
• 时间依赖性：风险特征往往具有强时序性，需要构造滞后、滚动窗口、趋势类特征。
• 业务可解释性：监管要求模型特征必须具有明确的业务含义，不能使用黑盒特征。
• 数据质量波动：风控数据源多、口径杂，特征工程需要内置数据质量校验逻辑。
• 特征稳定性：模型上线后，特征分布可能随时间漂移，需要设计稳定性监控指标（PSI）。

2.6 特征工程与数据切分的协同关系

特征工程并非独立于数据切分而存在。在风险建模中，特征工程与数据切分存在以下协同关系：