4. 缺失阈值设定：根据业务容忍度与模型影响设定特征缺失率的预警阈值（黄线/红线）

缺失率阈值是缺失巡检体系的核心决策边界。阈值设定过低会导致无效告警淹没监控系统，阈值设定过高则可能错过模型退化的早期信号。本节从业务容忍度与模型影响两个维度，建立黄线（关注线）与红线（干预线）的双层阈值体系。

4.1 双层阈值体系设计原则

黄线代表“需关注”状态，触发后进入观察期，由数据治理团队排查原因；红线代表“需干预”状态，触发后立即阻断模型使用或启动紧急补数流程。两类阈值均需结合特征类型、业务场景与模型依赖度进行差异化设定。

4.2 基于业务容忍度的阈值设定方法

业务容忍度取决于特征缺失对业务决策的影响程度。将特征分为三类，分别设定差异化阈值：

• 核心准入特征（如身份证号、手机号实名状态）：缺失直接导致拒绝决策，容忍度极低，黄线 1%，红线 3%。
• 关键评分特征（如征信查询次数、收入区间）：缺失会降低模型区分度，黄线 5%，红线 10%。
• 辅助增强特征（如设备型号、电商消费偏好）：缺失可通过其他特征补偿，黄线 10%，红线 20%。

4.3 基于模型影响的阈值校准方法

业务容忍度提供初始阈值，还需通过模型影响分析进行校准。核心方法是：在历史数据上模拟不同缺失率水平，观察模型性能指标（KS、AUC、PSI）的变化拐点。

# 缺失率影响模拟示例（Python伪代码）
import pandas as pd
import numpy as np
from sklearn.metrics import roc_auc_score

def simulate_missing_impact(df, feature, target, model, missing_rates):
    results = []
    baseline_auc = roc_auc_score(target, model.predict_proba(df)[:, 1])
    for rate in missing_rates:
        df_copy = df.copy()
        # 按指定缺失率随机置空
        mask = np.random.rand(len(df_copy)) < rate
        df_copy.loc[mask, feature] = np.nan
        # 使用均值填充后预测
        fill_value = df[feature].mean()
        df_copy[feature].fillna(fill_value, inplace=True)
        auc = roc_auc_score(target, model.predict_proba(df_copy)[:, 1])
        auc_drop = (baseline_auc - auc) / baseline_auc * 100
        results.append({'missing_rate': rate, 'auc_drop_pct': auc_drop})
    return pd.DataFrame(results)

# 设定红线：AUC下降超过5%对应的缺失率
impact_df = simulate_missing_impact(train_data, 'income_level', y_train, lgb_model, 
                                    missing_rates=[0.01, 0.03, 0.05, 0.08, 0.10, 0.15])
red_line = impact_df[impact_df['auc_drop_pct'] >= 5.0]['missing_rate'].min()
print(f"红线阈值（AUC下降≥5%）：{red_line:.1%}")

4.4 阈值体系可视化：黄线/红线决策流程

下图展示了从缺失率监控到阈值触发的完整决策链路，以及黄线/红线对应的不同处理路径。

4.5 动态阈值调整机制

阈值并非一成不变，需根据以下因素定期（建议每季度）回顾调整：

• 数据源稳定性变化：若某数据源持续出现高缺失，需评估是否降低该特征权重或调整阈值。
• 模型版本迭代：新模型对缺失的鲁棒性可能不同，需重新模拟影响拐点。
• 业务策略调整：如风控收紧，核心特征的容忍度应同步降低。

4.6 阈值设定清单与交付物