1. 课程导论：标签口径校准的定义、在特征工程中的核心地位、课程目标与学习路径
1.1 什么是标签口径校准？
标签口径校准（Label Definition Calibration）是指在特征工程流程中，对监督学习任务的目标变量（标签）进行系统性审查、对齐与修正的过程。其核心目标是确保标签的定义、采集方式、时间窗口、业务语义与建模目标严格一致，消除因标签口径不一致导致的特征-标签映射偏差。
核心公式： 标签口径校准 = 标签语义对齐 + 时间窗口对齐 + 粒度对齐 + 异常值处理
在实际业务场景中，标签口径问题通常表现为以下几种形式：
| 问题类型 | 典型表现 | 影响后果 |
|---|---|---|
| 语义漂移 | “用户活跃”在不同部门定义为7天/30天登录次数 | 特征重要性排序失真 |
| 时间窗口错位 | 标签采集时间早于特征计算时间 | 引入未来信息，模型过拟合 |
| 粒度不匹配 | 用户级标签与订单级特征混合 | 聚合统计失效，AUC虚高 |
| 异常标签污染 | 未过滤测试数据或刷单数据 | 模型泛化能力下降 |
1.2 标签口径校准在特征工程中的核心地位
特征工程通常被概括为“数据与特征的加工过程”，但标签口径校准是连接业务理解与模型构建的桥梁。没有经过校准的标签，即使特征工程做得再精细，模型也会学到错误的映射关系。
经验法则： 在特征工程项目中，标签口径校准应占整体工作量的 20%-30%。如果跳过此步骤，后续特征工程和模型调优的投入可能被浪费 50% 以上。
1.3 课程目标
本课程旨在帮助学员系统掌握标签口径校准的理论与方法，并将其无缝融入特征工程实践。具体目标如下：
- 认知目标： 理解标签口径偏差的 5 种常见模式及其对模型性能的量化影响。
- 技能目标： 掌握 3 种标签口径校准技术（语义对齐、时间窗口对齐、粒度对齐），并能使用 Python 实现自动化校准流水线。
- 应用目标： 能够在实际项目中设计标签口径校准检查清单，将校准流程嵌入特征工程 DAG（有向无环图）中。
1.4 学习路径
本课程共 30 章，按“理论-方法-实践-进阶”四阶段组织：
| 阶段 | 章节范围 | 核心内容 |
|---|---|---|
| 理论基础 | 第 1-5 章 | 标签口径定义、偏差类型、校准必要性、评估指标 |
| 方法体系 | 第 6-15 章 | 语义对齐、时间窗口对齐、粒度对齐、异常标签处理 |
| 实践案例 | 第 16-25 章 | 金融风控、推荐系统、NLP、CV 等场景的校准实战 |
| 进阶专题 | 第 26-30 章 | 自动化校准流水线、大规模数据校准、模型监控中的标签漂移 |
重要提示： 本课程所有代码示例均基于 Python 3.8+ 和主流数据科学库（pandas、numpy、scikit-learn）。建议学员提前配置好开发环境，并准备好一个包含真实业务标签的数据集用于实践。