3、特征工程基础：特征构建思路、时间窗口特征、统计聚合特征、比率特征

在催收触达模型中，原始数据通常无法直接用于模型训练。特征工程是将原始数据转化为模型可理解、可学习的高质量输入变量的过程。本章聚焦于催收场景下最核心的四类特征构建方法：基础特征构建思路、时间窗口特征、统计聚合特征和比率特征。掌握这些方法，能够显著提升模型对逾期客户还款意愿与还款能力的刻画能力。

3.1 特征构建总体思路

特征构建的核心原则是：从业务逻辑出发，以数据分布为验证。在催收场景中，特征构建通常遵循以下三步流程：

1. 业务理解：明确催收策略的关键驱动因素（如逾期天数、历史还款行为、联系人响应率）。
2. 数据探索：分析原始字段的缺失率、分布形态、与目标变量（如是否还款）的相关性。
3. 特征生成：基于业务假设，通过变换、聚合、组合等方式生成新特征。

3.2 时间窗口特征

时间窗口特征是催收模型中最具预测力的特征类型之一。它通过限定一个时间范围（如“过去7天”、“过去30天”），统计客户在该窗口内的行为模式。时间窗口的选择直接影响特征的稳定性和时效性。

3.2.1 窗口类型与选择策略

3.2.2 时间窗口特征构建示例

以下代码展示了如何使用 Python 构建时间窗口特征（以过去7天催收通话次数为例）：

import pandas as pd
from datetime import timedelta

# 假设 df 包含客户每日通话记录
# 字段：customer_id, call_date, call_duration

def build_time_window_features(df, window_days=7):
    """
    构建时间窗口特征：过去 window_days 天的通话次数与总时长
    """
    # 确保日期格式
    df['call_date'] = pd.to_datetime(df['call_date'])
    
    # 按客户分组，对每个日期计算窗口内的统计量
    df = df.sort_values(['customer_id', 'call_date'])
    
    # 使用 rolling 窗口（需先按客户分组并设置日期索引）
    df['past_7d_call_count'] = (
        df.groupby('customer_id')['call_date']
        .transform(lambda x: x.rolling(window=window_days, min_periods=1).count())
    )
    
    df['past_7d_total_duration'] = (
        df.groupby('customer_id')['call_duration']
        .transform(lambda x: x.rolling(window=window_days, min_periods=1).sum())
    )
    
    return df

# 示例调用
# df_result = build_time_window_features(df_call_log, window_days=7)

3.3 统计聚合特征

统计聚合特征通过对原始数据进行分组统计，提取出能够反映客户整体行为模式的指标。在催收场景中，常用的聚合统计量包括：计数、均值、标准差、最大值、最小值、分位数等。

3.3.1 常用聚合统计量

3.3.2 多层级聚合

在催收场景中，聚合可以在多个层级上进行，以捕捉不同粒度的行为模式：

• 客户层级：对每个客户的所有历史记录进行聚合（如“历史总还款次数”）。
• 产品层级：按贷款产品类型分组聚合（如“信用贷产品的平均逾期天数”）。
• 时间层级：按年/月/周分组聚合（如“每月平均通话次数”）。
• 催收员层级：按负责的催收员分组聚合（如“该催收员负责客户的平均还款率”）。

3.4 比率特征

比率特征通过将两个相关指标相除，消除量纲影响，反映客户行为的相对强度或效率。在催收模型中，比率特征往往比原始绝对值更具预测稳定性。

3.4.1 常见比率特征类型

3.4.2 比率特征构建注意事项

• 分母不为零：构建比率特征时，必须处理分母为零的情况。常见做法包括：加一个小常数（如 0.001）、使用条件判断、或填充为默认值。
• 避免信息泄露：比率特征中的分子和分母必须来自历史数据，不能包含未来信息。例如，“当前逾期天数 / 历史最大逾期天数”中的历史最大逾期天数应截止到当前时间点。
• 结合业务阈值：某些比率特征在特定阈值附近具有业务含义。例如，“联系响应率 < 0.1”可能意味着客户失联，需要触发不同的催收策略。

import pandas as pd
import numpy as np

def build_ratio_features(df):
    """
    构建催收场景常用比率特征
    """
    # 联系响应率 = 接通次数 / 总呼叫次数
    # 处理分母为零：加极小常数
    df['contact_response_rate'] = (
        df['connected_calls'] / (df['total_calls'] + 1e-6)
    )
    
    # 承诺履约率 = 履约次数 / 承诺还款次数
    # 处理分母为零：若从未承诺，则履约率设为 NaN 或 0
    df['promise_fulfill_rate'] = np.where(
        df['promise_count'] > 0,
        df['fulfill_count'] / df['promise_count'],
        0  # 从未承诺的客户，履约率设为 0
    )
    
    # 逾期强度比 = 当前逾期天数 / 历史最大逾期天数
    # 处理分母为零：若历史最大逾期天数为 0，则设为 0
    df['overdue_intensity_ratio'] = np.where(
        df['max_overdue_days'] > 0,
        df['current_overdue_days'] / df['max_overdue_days'],
        0
    )
    
    return df

# 示例调用
# df_features = build_ratio_features(df_customer)

3.5 特征构建综合示例

以下表格展示了一个完整的催收触达模型特征集示例，涵盖时间窗口、统计聚合和比率三类特征：