2. 特征工程基础：什么是特征、特征的类型与催收中的重要性
在催收模型中，特征（Feature） 是描述债务人还款行为、资产状况、历史表现及外部环境等维度的可量化变量。特征工程是将原始数据转化为模型可理解、可学习、可预测的数值化表示的过程。没有高质量的特征，再先进的算法也无法产出有效的催收策略。
2.1 什么是特征
特征本质上是 从原始数据中提取的、与目标变量（如逾期天数、还款概率）相关的信息载体。在催收场景中，一条原始记录可能包含姓名、身份证号、逾期金额、通话记录文本等，但模型无法直接处理这些原始数据。特征工程的任务就是将这些原始数据转换为数值型、类别型等结构化形式。
2.2 特征的类型
催收特征按数据形态可分为四大类：数值型、类别型、文本型 和 时间型。不同类型需要采用不同的预处理与编码方法。
| 特征类型 | 定义 | 催收典型示例 | 常见处理方法 |
|---|---|---|---|
| 数值型 | 连续或离散的数值，可进行算术运算 | 逾期金额、负债收入比、历史还款次数 | 标准化、归一化、分箱、对数变换 |
| 类别型 | 有限个离散取值，无大小顺序或有序 | 职业类型、逾期阶段（M1/M2/M3）、地区 | 独热编码、标签编码、目标编码 |
| 文本型 | 非结构化自然语言文本 | 催收通话记录、客户投诉内容、备注信息 | TF-IDF、词嵌入、关键词提取、情感分析 |
| 时间型 | 与时间点或时间间隔相关的特征 | 首次逾期日期、最近联系时间、逾期天数 | 周期分解、滑动窗口统计、时间差计算 |
2.3 特征类型详解与催收案例
2.3.1 数值型特征
数值型特征是催收模型中最常见、最直接的特征。例如：逾期本金、历史最大逾期天数、近3个月还款金额均值。这类特征通常需要处理 偏态分布（如金额数据常呈长尾分布）和 异常值（如极端大额逾期）。
# 数值型特征处理示例：对数变换
import numpy as np
overdue_amount = [500, 1500, 20000, 80000, 150000]
log_amount = np.log1p(overdue_amount) # log(1+x) 处理零值
print(log_amount)
# 输出: [6.2146, 7.3132, 9.9035, 11.2898, 11.9184]2.3.2 类别型特征
类别型特征在催收中用于区分不同群体。例如：职业类型（公务员、个体户、自由职业）、逾期阶段（M1:1-30天, M2:31-60天, M3:61-90天）。对于无序类别，常用 独热编码；对于有序类别（如逾期阶段），可使用 标签编码 保留顺序信息。
2.3.3 文本型特征
催收通话记录、客户留言、投诉工单等文本数据蕴含大量行为信号。例如：客户在通话中频繁使用“没钱”“再等等”等关键词，可能预示还款意愿较低。文本特征提取流程通常包括：分词 → 去停用词 → TF-IDF 向量化 → 降维。
2.3.4 时间型特征
时间型特征在催收中具有特殊价值。例如：距离还款日天数、最近一次联系时间与当前时间的间隔、历史逾期周期的季节性规律。时间特征常通过 滑动窗口 生成统计量，如“过去7天联系次数均值”。
2.4 特征工程在催收中的重要性
特征工程在催收策略中扮演 承上启下 的关键角色。其重要性体现在以下四个维度：
- 提升模型预测精度：原始数据往往包含噪声和冗余，通过特征工程提取有效信号，可显著提高还款概率预测的 AUC 和 KS 值。
- 降低策略成本：精准的特征能帮助催收团队优先处理高风险案件，减少低效外呼，降低人力与通讯成本。
- 增强可解释性：催收业务受监管严格约束，特征工程可生成业务语义明确的变量（如“近7天联系意愿指数”），便于合规审查与策略调优。
- 支撑动态策略：时间型特征和滑动窗口统计量使模型能捕捉债务人行为的变化趋势，支持催收策略的动态调整。
2.5 特征工程在催收中的典型应用场景
| 应用场景 | 关键特征示例 | 业务价值 |
|---|---|---|
| 逾期风险评分 | 历史逾期次数、负债收入比、近3个月查询次数 | 精准识别高风险债务人，优先分配资深催收员 |
| 还款意愿预测 | 通话时长、关键词情感得分、承诺还款次数 | 区分“有还款意愿但无能力”与“恶意拖欠” |
| 最佳联系时间预测 | 历史接通时间分布、工作时长、节假日标志 | 提升联系成功率，减少无效外呼 |
| 催收策略动态调整 | 滑动窗口还款率、最近联系间隔、案件流转次数 | 实现差异化催收策略，提升回款率 |