📚 课程目录第2章特征工程基础

2、特征工程基础

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、提升机器学习模型性能的特征变量的过程。在催收场景中，原始数据通常来自贷后管理系统、通话记录、还款流水、第三方征信等异构数据源，这些数据无法直接输入模型，必须经过提取、转换、选择等工程化处理。

  核心定义：特征工程 = 利用领域知识 + 数学变换 + 统计方法，从原始数据中构造出对目标变量（如“逾期后30天内是否还款”）具有最强预测能力的特征集合。

特征工程并非简单的数据清洗，而是包含创造性与系统性的工作。好的特征工程能够：

催收模型与常规信用评分模型有显著差异：催收模型面对的是已经逾期的客群，目标变量（如“催回率”“首期还款概率”）的分布极度不平衡，且数据噪声更大。特征工程在此场景下具有不可替代的作用。

催收场景特有问题：逾期天数（DPD）相同的客户，还款意愿可能差异巨大。通过特征工程构造“历史联系次数/接通率”“最近7天还款行为趋势”“第三方多头借贷指数”等衍生特征，可以显著提升模型对“有意愿但无能力”与“有能力但无意愿”两类客群的区分能力。

具体而言，特征工程在催收模型中的价值体现在以下四个方面：

提升预测精度：原始字段（如“逾期金额”）的预测能力有限，但构造出“逾期金额/月收入”“逾期金额/历史最高额度”等比率特征后，模型能更准确识别高风险案件。
处理缺失与异常：催收数据中“联系不上”“无还款记录”等缺失情况普遍，特征工程可以通过缺失指示变量、统计填充、分箱等方式保留信息。
引入时序信息：催收是动态过程，特征工程可以将“过去7天通话次数变化率”“还款金额趋势斜率”等时序模式转化为静态特征。
降低业务落地成本：精炼的特征集意味着更少的数据采集、更快的模型迭代、更易维护的线上系统。

特征工程并非一次性工作，而是贯穿模型开发全生命周期的迭代过程。标准流程包含以下六个阶段：

各阶段的核心任务与催收场景下的注意事项如下：

阶段	核心任务	催收场景注意事项
1. 数据收集	整合贷后系统、催收通话记录、还款流水、第三方征信、客户画像等数据源	注意时间窗口对齐：催收行为发生在逾期后，特征计算窗口必须严格在观察点之前
2. 数据清洗	处理缺失值、异常值、重复记录、格式统一	“联系不上”类缺失应保留为独立状态，而非简单删除；异常大额还款需核实是否为测试数据
3. 特征构造	生成聚合特征（如近30天通话次数）、比率特征（如还款金额/应还金额）、时序特征（如趋势斜率）	优先构造与催收策略直接相关的特征：联系效率、还款意愿、还款能力三大维度
4. 特征变换	标准化/归一化、对数变换、分箱、WOE编码、独热编码	催收特征常呈长尾分布（如通话时长），对数变换或分箱可提升模型稳定性
5. 特征选择	基于IV值、相关系数、LASSO、随机森林重要性、前向/后向搜索等方法筛选	保留业务可解释性强的特征；避免选择与催收策略高度共线的特征（如“是否已拨打”与“通话次数”）
6. 特征评估与监控	在验证集上评估特征稳定性（PSI）、区分度（IV/K-S）、缺失率变化	催收策略会随时间调整，特征分布可能发生偏移，需建立月度监控机制

常见误区：特征工程不是一次性完成的工作。很多团队在第一次建模后就停止特征迭代，导致模型在OOT（跨时间）测试中快速衰减。正确的做法是将特征工程纳入模型持续监控与迭代的闭环中，每次策略调整或数据源变更后，重新评估特征的有效性。

特征工程并非孤立的技术工作，它与催收策略紧密耦合。好的特征工程能够直接指导策略优化：

策略分层：通过特征将案件分为“高意愿-高能力”“高意愿-低能力”“低意愿-高能力”“低意愿-低能力”四类，分别匹配不同的催收策略（如短信提醒、人工外呼、法务介入）。
动态调优：特征监控发现“近3天接通率”显著下降时，可触发策略调整，增加外呼频次或切换联系时段。
成本控制：利用特征预测的还款概率，对低概率案件减少高成本催收手段，实现资源最优配置。