1. 课程导论与项目背景
1.1 商户风险评分模型的定义
商户风险评分模型是一种基于机器学习的量化评估工具，通过对商户的多维度数据（交易行为、工商信息、历史违约记录等）进行建模，输出一个标准化的风险评分（通常为 0–100 或 0–999），用以预测商户在未来一定周期内发生违约、欺诈或经营异常的概率。
| 维度 | 说明 |
|---|---|
| 评分区间 | 0–100（分数越高风险越低）或 0–999（分数越高风险越高），视业务定义而定 |
| 预测目标 | 商户逾期率、欺诈概率、经营中断概率等 |
| 模型类型 | 逻辑回归、XGBoost、LightGBM、深度神经网络等 |
| 输出形式 | 实时评分（API 调用）或批量评分（离线跑批） |
核心要点：商户风险评分不是简单的“好/坏”二分类，而是一个连续的概率映射，支持业务方根据自身风险偏好设定不同的决策阈值。
1.2 业务价值
在支付、信贷、电商、供应链金融等场景中，商户风险评分模型直接服务于以下业务目标：
- 准入控制：在商户入驻环节，自动拦截高风险商户，降低首笔欺诈损失。
- 交易监控：对存量商户进行实时评分，触发二次验证、限额或冻结。
- 差异化定价：根据风险等级调整手续费率、保证金比例或授信额度。
- 运营效率：将人工审核资源集中在“中风险”商户，低风险自动通过，高风险直接拒绝。
- 合规监管：满足反洗钱（AML）、KYC 等监管要求，提供可解释的风险评估依据。
| 业务场景 | 传统方式 | 模型驱动方式 |
|---|---|---|
| 商户入驻审核 | 人工核验材料，耗时 2–3 天 | 实时评分，秒级输出决策 |
| 交易风险识别 | 固定规则（如单笔超 5 万触发审核） | 动态阈值，根据商户画像自适应调整 |
| 风险定价 | 统一费率，优质商户流失 | 差异化费率，提升优质商户留存 |
1.3 部署全流程概览
一个完整的商户风险评分模型从数据到生产环境，需要经历五个核心阶段：数据 → 特征 → 模型 → API → 监控。每个阶段都包含特定的工程挑战与质量要求。
课程路线图：本课程将按照以下流程逐章展开，每章对应一个关键环节，最终交付一个可运行的端到端部署方案。
1.4 各阶段核心任务清单
| 阶段 | 核心任务 | 常见工具/技术 | 交付物 |
|---|---|---|---|
| 数据 | 多源数据接入、数据质量校验、缺失值处理、时间窗口对齐 | Spark、Airflow、DataX | 清洗后的宽表 / 数据湖分区 |
| 特征 | 特征衍生、特征选择、特征归一化、特征存储 | Feast、Tecton、自定义 Pipeline | 特征定义文件 + 特征值快照 |
| 模型 | 模型训练、超参调优、交叉验证、模型解释性分析 | XGBoost、LightGBM、SHAP | 模型序列化文件 + 评估报告 |
| API | 模型服务化封装、负载均衡、版本管理、A/B 测试 | Flask、FastAPI、Kubernetes | RESTful API 端点 + Docker 镜像 |
| 监控 | 特征漂移检测、模型性能衰减、数据质量告警、回滚机制 | Prometheus、Grafana、WhyLabs | 监控看板 + 告警规则配置 |
常见误区：很多团队将 80% 精力放在模型调参上，却忽略了数据质量与监控体系。实际生产环境中，数据漂移和特征失效是导致模型退化的首要原因。本课程将强调“数据与监控优先”的工程理念。
1.5 课程学习路径
本课程共 30 章，按照“数据 → 特征 → 模型 → API → 监控”的主线展开，每章包含理论讲解、代码实战与课后练习。以下是前 10 章的路线预览：
- 课程导论与项目背景（本章）
- 数据源接入与质量校验
- 特征工程：时间窗口聚合与统计特征
- 特征选择与重要性排序
- 模型训练：XGBoost 商户风险评分
- 模型评估与阈值优化
- 模型打包与版本管理
- FastAPI 模型服务化部署
- Docker + Kubernetes 容器化编排
- 模型监控：数据漂移与性能衰减检测
前置要求：建议学员具备 Python 基础、机器学习基本概念（分类/回归/过拟合）以及 Linux 命令行操作经验。每章代码均提供 Jupyter Notebook 与 Shell 脚本两种格式。