1. 样本偏差概述

1.1 什么是样本偏差

样本偏差（Sample Bias）是指在模型训练、验证或实时推理过程中，所使用的样本分布与目标总体真实分布之间存在系统性差异。在实时风控场景中，样本偏差通常表现为线上实时样本与离线训练样本在特征分布、标签分布或样本构成上的不一致。

实时风控中的样本偏差主要来源于以下三个层面：

• 时间偏差：模型上线后，用户行为、欺诈模式随时间演变，导致训练数据与当前实时数据分布不同。
• 选择偏差：风控策略拦截导致部分样本无法观测到真实标签（如被拒绝的交易无法确认是否欺诈）。
• 渠道/场景偏差：不同业务线、不同流量渠道的用户画像差异，造成样本构成不一致。

1.2 实时风控中样本偏差的危害

样本偏差在实时风控系统中会引发一系列连锁问题，直接影响模型效果和业务安全。下表总结了主要危害及其影响路径：

1.3 课程目标与学习路径

本课程旨在帮助风控算法工程师和数据质量工程师系统掌握实时风控场景下样本偏差的识别、度量、诊断与修复能力。课程采用理论+实战双线并行的学习路径：

课程核心目标

• 目标一：理解实时风控样本偏差的成因、分类与危害，建立系统化的偏差认知框架。
• 目标二：掌握样本偏差的量化指标（PSI、CSI、KL散度、JS散度）及其在实时监控中的计算与解读。
• 目标三：学会设计样本偏差实时校验流水线，包括数据采集、分布比对、告警触发与根因定位。
• 目标四：掌握偏差修复策略（重采样、样本加权、对抗验证、增量学习）的适用场景与实现方法。
• 目标五：能够搭建端到端的样本偏差监控看板，并制定合理的告警阈值与响应SOP。

学习路径总览

1.4 学习前置要求

为获得最佳学习效果，建议学员在开始本课程前具备以下基础：

• 数学基础：概率论与数理统计（分布检验、假设检验、置信区间）
• 编程基础：Python 数据处理（pandas、numpy）、基础机器学习库（scikit-learn）
• 风控基础：了解风控模型（评分卡、XGBoost）、策略规则、AUC/KS 等评估指标
• 工具基础：熟悉 Jupyter Notebook 或类似交互式编程环境