3. 特征工程总览

特征工程是将原始数据转化为能够最大化机器学习模型性能的特征表示的过程。在催收场景中，原始数据往往包含大量噪声、缺失值和不规则的时间序列，直接输入模型会导致预测偏差。特征工程正是解决这一问题的核心环节。

3.1 特征工程的定义

特征工程（Feature Engineering）是指利用领域知识和数学变换，从原始数据中提取、构造、选择并监控特征，使其更适合机器学习算法学习规律的过程。在催收模型中，特征工程覆盖以下四个维度：

3.2 特征工程在催收模型中的重要性

催收模型与常规信用评分模型存在显著差异：催收数据具有高时效性、强动态性和多源异构的特点。特征工程在以下三个层面发挥关键作用：

• 提升预测精度：原始字段如“总逾期金额”预测能力有限，但构造出“逾期金额/月收入”比率后，模型对还款意愿的区分度显著提升。
• 增强模型鲁棒性：通过特征选择剔除噪声特征，减少过拟合风险，使模型在跨期验证中保持稳定。
• 支撑业务解释：催收业务要求模型输出可解释，特征工程构造的“联系效率”“还款意愿指数”等业务特征，可直接指导催收策略调整。

3.3 特征工程流程

催收特征工程遵循“分析→构造→选择→监控”的闭环流程，每个阶段都有明确的输入、输出和关键动作：

3.4 各阶段核心任务详解

3.4.1 特征分析

特征分析是特征工程的起点，核心目标是理解数据质量和识别潜在信号。主要任务包括：

• 单变量分析：计算每个特征的缺失率、均值、标准差、分位数、偏度、峰度。
• 目标变量关联分析：计算每个特征与“是否还款”“还款率”等目标变量的IV值、相关系数。
• 时间稳定性分析：按月份或周度计算特征分布，识别是否存在季节性波动或趋势漂移。
• 异常值检测：使用箱线图或Z-score方法识别极端值，判断是业务异常还是数据错误。

3.4.2 特征构造

特征构造是特征工程中最具创造性和业务价值的阶段。催收场景常用的构造方法包括：

# 特征构造示例：Python代码片段
import pandas as pd
import numpy as np

# 原始数据
df = pd.DataFrame({
    'overdue_days': [15, 30, 45, 60],
    'monthly_income': [5000, 8000, 6000, 10000],
    'contact_count_7d': [3, 5, 2, 8],
    'promised_amount': [1000, 2000, 0, 5000]
})

# 比率特征
df['overdue_income_ratio'] = df['overdue_days'] / (df['monthly_income'] / 1000)

# 聚合特征（模拟近7天联系频率）
df['contact_efficiency'] = df['contact_count_7d'] / (df['overdue_days'] + 1)

# 交叉特征
df['promise_flag'] = np.where(df['promised_amount'] > 0, 1, 0)
df['risk_segment'] = pd.cut(df['overdue_days'], bins=[0, 30, 60, 999], labels=['low', 'mid', 'high'])

print(df[['overdue_income_ratio', 'contact_efficiency', 'promise_flag', 'risk_segment']])

3.4.3 特征选择

特征选择的目标是从大量候选特征中筛选出预测能力强、冗余度低、稳定性好的特征子集。常用方法分为三类：

3.4.4 特征监控

特征监控是保障模型长期有效的最后一道防线。催收业务环境变化快，特征分布可能因政策调整、客群变化或催收策略变更而发生漂移。监控指标包括：

• PSI（群体稳定性指标）：衡量特征分布在不同时间窗口之间的偏移程度，PSI < 0.1 表示稳定，0.1~0.25 需关注，> 0.25 表示严重漂移。
• 缺失率变化：监控特征缺失率是否突然升高，可能暗示数据采集链路故障。
• 特征重要性衰减：定期重新训练模型，对比特征重要性排序是否发生显著变化。
• 业务规则冲突检测：当催收策略调整后，某些特征（如“催收次数”）的分布可能发生结构性变化，需及时标记。

3.5 特征工程流程总结

特征工程不是一次性工作，而是贯穿模型全生命周期的持续迭代过程。在催收场景中，建议按照以下节奏执行：

1. 初始建模阶段：完成完整的分析→构造→选择流程，建立基线特征集。
2. 月度监控阶段：计算特征PSI和缺失率，生成监控报告。
3. 季度复盘阶段：结合模型效果衰减情况，回溯分析阶段，补充或替换失效特征。
4. 年度重构阶段：当催收策略或客群发生重大变化时，重新执行全流程。