4. 标签定义与目标变量：如何定义“好客户”与“坏客户”，连续型额度定价目标变量的处理

在额度定价模型中，标签定义直接决定了模型学习的方向。错误的标签定义会导致模型“学偏”，即使特征工程再完美，也无法产出合理的额度策略。本章将系统讲解分类任务中的“好/坏客户”定义标准，以及回归任务中连续型目标变量的处理方法。

4.1 分类任务：好客户 vs 坏客户

额度定价模型通常首先判断客户的风险等级，因此需要将客户划分为“好”与“坏”两类（或多类）。定义标准必须兼顾业务容忍度与数据分布。

4.1.1 核心定义维度

4.1.2 常见定义陷阱与避坑

• 样本不平衡陷阱：坏客户占比通常低于 5%，直接建模会导致模型偏向预测“好客户”。需采用下采样、SMOTE 或代价敏感学习。
• 时间窗口不一致：不同批次客户的观察期长度不同，需统一截断或使用生存分析。
• 多头借贷干扰：客户可能在多个平台同时逾期，单一平台标签可能失真，建议引入外部征信数据交叉验证。

4.2 连续型目标变量：额度定价的回归任务

当模型直接输出建议额度或利率时，目标变量是连续值。此时需要处理截断、偏态分布和业务约束问题。

4.2.1 目标变量类型与处理策略

4.2.2 连续目标变量处理流程

1. 缺失值处理：额度为 0 或空值需单独标记，不可直接填充。
2. 异常值截断：使用百分位数（如 1% ~ 99%）或业务上限截断。
3. 分布变换：优先尝试 log1p 变换，使分布接近正态。
4. 分箱离散化（可选）：当业务需要固定额度档位时，将连续值映射为等级。
5. 目标编码对齐：确保训练集与测试集使用相同的变换参数。

4.3 标签定义与目标变量处理流程总览

下图展示了从原始数据到最终标签/目标变量的完整处理链路：

4.4 代码示例：连续目标变量处理

以下代码展示了从原始额度数据到建模目标变量的完整处理过程：

import numpy as np
import pandas as pd
from scipy.stats import boxcox

def process_continuous_target(df, target_col='credit_limit', method='log1p'):
    """
    连续目标变量处理函数
    :param df: 原始DataFrame
    :param target_col: 目标变量列名
    :param method: 变换方法 ('log1p', 'boxcox', 'winsorize')
    :return: 处理后的DataFrame和变换参数
    """
    data = df.copy()
    
    # 1. 缺失值标记
    data[target_col + '_missing'] = data[target_col].isnull().astype(int)
    data[target_col].fillna(0, inplace=True)
    
    # 2. 异常值截断 (Winsorize)
    lower = data[target_col].quantile(0.01)
    upper = data[target_col].quantile(0.99)
    data[target_col] = data[target_col].clip(lower, upper)
    
    # 3. 分布变换
    if method == 'log1p':
        data[target_col + '_trans'] = np.log1p(data[target_col])
        transform_params = {'method': 'log1p'}
    elif method == 'boxcox':
        transformed, lambda_val = boxcox(data[target_col] + 1)  # +1 避免0值
        data[target_col + '_trans'] = transformed
        transform_params = {'method': 'boxcox', 'lambda': lambda_val}
    elif method == 'winsorize':
        # 仅截断，不做变换
        data[target_col + '_trans'] = data[target_col]
        transform_params = {'method': 'winsorize', 'lower': lower, 'upper': upper}
    
    return data, transform_params

# 使用示例
df = pd.DataFrame({'credit_limit': [0, 5000, 10000, 50000, 200000, None]})
df_processed, params = process_continuous_target(df, method='log1p')
print(df_processed[['credit_limit', 'credit_limit_trans']])

4.5 标签定义与目标变量选择决策矩阵