2、特征回刷基础概念

2.1 什么是特征回刷

特征回刷（Feature Backfill）是指在信用评分模型的生命周期中，对历史时间窗口内的样本数据重新计算并更新特征变量的过程。简单来说，就是用当前最新的特征计算逻辑，去重新生成过去某段时间内的特征值。

在信贷风控场景中，特征回刷通常发生在以下背景：

• 历史样本需要重新入模：模型迭代时，新模型要求使用统一口径的特征，旧样本必须回刷对齐。
• 线上与离线特征不一致：离线训练时使用的特征计算方式与线上实时计算存在偏差，需要通过回刷校准。
• 特征衍生逻辑变更：如聚合窗口期从30天调整为60天，历史特征必须重新计算。

2.2 回刷的触发条件

特征回刷并非日常运维操作，而是在特定事件触发下才启动的工程任务。根据触发来源，可分为以下三类：

2.2.1 模型迭代触发回刷

模型迭代是最常见的回刷触发条件。当风控团队决定开发新版本模型时，特征工程往往伴随以下变化：

• 特征新增：引入新的变量（如多头借贷指数、设备指纹特征），历史样本需要补全这些特征。
• 特征删除：剔除失效或违规特征，历史样本中对应的特征列需要置空或移除。
• 特征变换方式调整：如WOE分箱边界变化、标准化参数更新，历史特征值必须重新计算。

2.2.2 数据源变更触发回刷

数据源变更通常来自外部数据供应商或内部数据仓库的调整：

• 接口字段变更：第三方征信机构调整返回字段名称、类型或枚举值。
• 底层表结构变化：内部数据仓库对用户行为表、交易表进行分表或合并操作。
• 数据质量修复：发现历史数据存在缺失或异常，修复后需要重新计算特征。

数据源变更的回刷范围通常限定在变更时间点前后的样本，不需要全量回刷。

2.2.3 业务规则调整触发回刷

业务规则调整直接影响特征的定义口径，典型场景包括：

• 逾期定义变更：从“逾期≥30天”调整为“逾期≥15天”，历史样本的逾期标签和逾期相关特征必须重新计算。
• 授信策略调整：最低授信额度从1000元调整为2000元，影响额度使用率等特征。
• 产品参数变更：还款周期、费率结构等调整，影响现金流相关特征。

2.3 特征回刷流程概览

下图展示了特征回刷的完整流程，从触发条件识别到最终数据落库：

2.4 回刷与在线特征的一致性要求

特征回刷的最终目标是确保离线特征与线上实时计算的特征保持一致。一致性要求体现在三个层面：