4、特征工程方法：特征构造、特征选择、特征缩放、时间序列特征提取

在贷后预警模型中，原始数据通常无法直接用于建模。特征工程是将原始数据转化为模型可理解、可学习的高质量特征的过程。本章围绕特征构造、特征选择、特征缩放与时间序列特征提取四大核心方法展开，结合贷后预警场景进行详细阐述。

4.1 特征构造

特征构造是从现有字段中通过数学变换、组合或业务逻辑生成新特征的过程。在贷后预警中，常见的构造方式包括：

• 聚合统计：对客户历史行为进行统计，如近3个月逾期次数、近6个月最大逾期天数、平均还款金额等。
• 比率特征：如负债收入比（DTI）、信用卡使用率、月还款额/月收入。
• 交叉组合：将离散特征进行笛卡尔积，如“职业 × 地区”组合后的逾期率编码。
• 差分与变化率：如当前额度与上月额度的差值、近3个月收入增长率。

4.2 特征选择

特征选择旨在从高维特征集中筛选出对预警任务最有贡献的子集，降低过拟合风险并提升模型可解释性。常用方法分为三类：

4.3 特征缩放

特征缩放解决不同特征量纲差异对模型的影响。在贷后预警中，涉及距离计算（如KNN、K-Means）或梯度下降（如逻辑回归、神经网络）的模型对尺度敏感，必须进行缩放。

• 标准化（Z-score）：将特征转换为均值为0、标准差为1的分布。公式：\( z = \frac{x - \mu}{\sigma} \)。适用于数据近似正态分布的场景。
• 归一化（Min-Max）：将特征缩放到[0,1]区间。公式：\( x' = \frac{x - min}{max - min} \)。适用于边界明确、无异常值的特征。
• 稳健缩放（RobustScaler）：使用中位数和四分位距（IQR）进行缩放，对异常值不敏感。公式：\( x' = \frac{x - median}{IQR} \)。贷后数据常含极端值，推荐优先使用。

4.4 时间序列特征提取

贷后预警数据天然具有时间序列属性，如客户每月的还款记录、额度变化、逾期状态等。时间序列特征提取旨在捕捉时序中的趋势、周期性和突变点。

常用提取方法包括：

• 滑动窗口统计：对过去N个时间步计算均值、标准差、最大值、最小值、斜率等。例如，近3个月还款金额的波动率。
• 滞后特征：将过去时刻的值作为当前特征，如T-1、T-2期的逾期状态。
• 差分与季节性分解：提取一阶差分（变化量）、同比/环比增长率、季节性成分。
• 时序聚合编码：对时间序列进行全局聚合，如总逾期次数、最长连续逾期天数、最近一次逾期距今时间。

下图展示了贷后预警中特征工程四大模块的完整流程与相互关系：

4.5 特征工程在贷后预警中的综合应用

在实际贷后预警实验中，特征工程并非孤立执行，而是形成一套流水线。下图展示了特征工程与模型训练、评估的集成关系：

4.6 特征工程实验评估要点

在贷后预警实验中，评估特征工程效果需关注以下指标：

• 特征重要性排序：使用树模型或Permutation Importance识别Top-N特征，验证其业务合理性。
• 特征稳定性：通过PSI（群体稳定性指标）监控特征在时间窗口上的分布变化，避免特征漂移。
• 模型性能增益：对比加入新特征前后模型AUC、KS、召回率等指标的变化，量化特征贡献。
• 计算效率：记录特征构造与选择的耗时，确保在贷后实时预警场景中满足延迟要求。