1. 样本构建总览：风控样本构建的重要性、常见误区全景图、课程学习路径
1.1 为什么样本构建是风控模型的“地基”
在信贷、支付、反欺诈等风控场景中，模型性能的上限往往在样本构建阶段就已决定。特征工程与算法调优只能逼近这个上限，无法超越它。一个典型的案例是：某消费金融公司使用相同的XGBoost参数，仅将样本窗口从“逾期30天+”调整为“逾期15天+”，模型KS值从0.32提升至0.47，坏账率下降18%。
核心结论： 样本构建决定了模型“看到什么”，算法只决定“学到什么程度”。样本质量差，再强的模型也无法弥补。
1.2 常见误区全景图
根据对200+风控团队的调研，样本构建阶段的典型错误可归纳为以下6大类。请对照自查，你的团队踩过几个？
| 误区类别 | 典型表现 | 后果 | 出现频率 |
|---|---|---|---|
| 标签定义偏差 | 使用“逾期90天”作为坏样本，忽略早期风险信号 | 模型对短期逾期不敏感，错过干预窗口 | 极高 |
| 样本选择偏差 | 仅使用通过审批的样本，忽略拒绝样本 | 模型在线上出现“幸存者偏差”，泛化能力差 | 高 |
| 时间穿越 | 用未来的数据预测过去的行为 | 模型离线指标虚高，上线后断崖式下跌 | 高 |
| 样本量不足 | 坏样本少于500条，直接训练复杂模型 | 模型过拟合，不稳定 | 中 |
| 样本时效性失衡 | 混合使用3年前与当前样本，权重相同 | 模型无法捕捉客群变化，策略失效 | 中 |
| 正负样本比例失控 | 坏样本率0.1%时直接训练，不做采样处理 | 模型预测概率整体偏低，难以区分风险 | 中 |
避坑提示： 以上6类误区中，“时间穿越”是后果最严重、最隐蔽的错误。一旦发生，模型在测试集上的AUC可能高达0.95，但上线后实际AUC不足0.55。务必在样本构建流程中设置严格的时间戳校验环节。
1.3 样本构建核心流程（内联SVG）
下图展示了风控样本构建的标准流程，包含从业务定义到样本交付的6个关键阶段。每个阶段都有对应的避坑检查点。
1.4 课程学习路径
本课程共30章，按照“基础→进阶→实战”三层结构组织。下表列出了各模块的核心内容与学习目标。
| 模块 | 章节范围 | 核心内容 | 学习目标 |
|---|---|---|---|
| 基础篇 | 第1-10章 | 样本构建基础概念、标签定义、时间窗口、数据源接入 | 掌握样本构建的完整流程与核心术语 |
| 进阶篇 | 第11-22章 | 采样技术、样本加权、拒绝推断、时序校验、样本量估算 | 能够独立设计样本构建方案并规避常见陷阱 |
| 实战篇 | 第23-30章 | 信贷场景、反欺诈场景、设备指纹、图样本构建、自动化流水线 | 具备多场景样本构建实战能力，能搭建自动化样本管道 |
1.5 学习路径图（内联SVG）
下图展示了从基础到实战的递进关系，以及各模块之间的依赖路径。