2. 特征工程基础：定义、类型与模型性能

特征工程是支付风控策略分群的核心环节，它决定了模型能从原始数据中“看到”什么。在支付场景中，原始交易日志、用户行为序列、设备指纹等数据往往包含大量噪声和冗余信息，特征工程的目标就是将这些原始数据转化为能够准确刻画用户风险行为的、对模型友好的特征变量。

2.1 特征工程的定义与价值

特征工程（Feature Engineering）是指利用领域知识和数据挖掘技术，从原始数据中提取、构造、选择或变换出对模型训练最有价值的特征变量的过程。在支付风控中，特征工程主要解决以下三个问题：

• 信息提取：从非结构化或半结构化数据（如IP地址、设备指纹、交易备注）中提取结构化特征。
• 噪声过滤：剔除与风险无关或相关性极低的冗余特征，降低模型过拟合风险。
• 维度控制：在保留关键信息的前提下，控制特征维度，避免“维度灾难”。

2.2 特征类型：数值、类别与时序

支付风控中的特征按数据类型可分为三大类，每类特征需要不同的预处理和编码方式。

2.2.1 数值特征（Numerical Features）

数值特征是可量化的连续或离散数值，如交易金额、用户年龄、账户余额、设备电量等。数值特征通常需要经过标准化或归一化处理，以消除量纲影响。

• 连续型：交易金额（¥0.01 - ¥999,999）、距离（米）、时间间隔（秒）。
• 离散型：交易次数（整数）、登录失败次数、绑卡数量。

2.2.2 类别特征（Categorical Features）

类别特征表示有限个离散取值，如支付渠道（微信/支付宝/银联）、交易类型（消费/转账/提现）、设备品牌（Apple/Samsung/Xiaomi）。类别特征必须进行编码才能被模型使用。

• 低基数类别：性别（男/女）、币种（CNY/USD/EUR）—— 适合独热编码。
• 高基数类别：商户ID（数十万级别）、IP地址段 —— 适合目标编码或计数编码。

2.2.3 时序特征（Temporal Features）

时序特征包含时间顺序信息，是支付风控中最具价值的特征类型。时序特征可以捕捉用户行为模式的变化趋势和周期性。

• 时间戳特征：交易时间（小时/星期/月份）、注册时间、上次登录时间。
• 窗口聚合特征：过去1小时/24小时/7天的交易次数、金额总和、失败率。
• 序列特征：交易间隔序列、金额变化序列、设备切换序列。

2.3 特征工程与模型性能的关系

特征工程对模型性能的影响是全方位的，它决定了模型的上限、稳定性和可解释性。以下从三个维度阐述其关系：

2.3.1 特征质量决定模型上限

在支付风控中，即使使用最简单的逻辑回归模型，只要特征工程做得好，也能达到很高的AUC。反之，如果特征质量差，即使使用XGBoost或深度学习模型，性能也会受限。

2.3.2 特征维度影响模型稳定性

特征维度越高，模型越容易过拟合，泛化能力越差。通过特征选择（如卡方检验、互信息、L1正则化）可以剔除冗余特征，提升模型在跨时间、跨场景下的稳定性。

2.3.3 特征可解释性决定业务落地

在支付风控中，模型的可解释性至关重要。风控团队需要理解模型为什么拒绝一笔交易，以便进行人工复核和策略调整。好的特征工程能生成具有明确业务含义的特征，如“过去1小时交易次数”比“用户行为向量”更容易解释。

2.4 特征工程在支付风控中的典型流程

在支付风控策略分群项目中，特征工程通常遵循以下标准化流程：

1. 数据采集与清洗：从交易日志、用户画像、设备指纹等数据源采集原始数据，处理缺失值、异常值和重复数据。
2. 特征提取：从原始数据中提取基础特征，如交易金额、时间、IP地址、设备ID等。
3. 特征构造：基于业务规则和统计方法构造高阶特征，如“过去1小时交易次数”、“设备切换频率”、“IP地址与注册地是否一致”。
4. 特征编码：对类别特征进行编码，对数值特征进行标准化，对时序特征进行窗口聚合。
5. 特征选择：通过过滤法（方差阈值、相关系数）、包裹法（递归特征消除）或嵌入法（L1正则化、树模型特征重要性）筛选最优特征子集。
6. 特征验证：在时间序列交叉验证中验证特征的稳定性和区分度，确保特征在训练集和测试集上表现一致。

2.5 特征工程与模型性能的量化关系

以下表格展示了在支付风控场景中，不同特征工程策略对模型性能（AUC）的典型影响：