3、特征补偿基础概念

3.1 什么是特征补偿

在信用评分模型的生产环境中，特征并非总能按时、完整地到达评分引擎。特征补偿（Feature Compensation）是一套预先设计的逻辑规则或替代模型，用于在特征数据出现缺失、延迟或异常时，自动生成一个合理的替代值或调整评分路径，从而保证评分流程不中断、评分结果不严重偏离真实风险水平。

特征补偿不是简单的“填零”或“取均值”，而是基于业务逻辑、历史分布、变量相关性以及模型容错机制的综合策略。其核心目标是在数据质量受损时，仍能输出稳定、可解释的评分结果。

3.2 补偿的触发条件

特征补偿的触发条件主要分为三类：数据缺失、数据延迟到达、异常值处理。下表总结了各类触发条件的典型场景与补偿策略选择。

3.3 数据缺失补偿

数据缺失是最常见的触发条件。根据缺失机制（MCAR、MAR、MNAR），补偿策略的复杂度不同。在信用评分场景中，通常采用以下分层策略：

1. 静态默认值： 适用于取值稳定的特征（如“是否有房”默认填“未知”）。
2. 统计量填补： 使用训练集该特征的中位数或众数，适用于缺失率较低（<5%）且分布稳定的特征。
3. 分组均值填补： 按相关分组（如收入等级、年龄区间）计算均值，适用于缺失率中等（5%-15%）的特征。
4. 模型预测填补： 利用其他完整特征建立回归或分类模型预测缺失值，适用于缺失率较高（>15%）或重要特征。

3.4 数据延迟到达补偿

数据延迟到达通常发生在实时评分场景中。当上游数据源（如征信机构、第三方数据商）响应超时或批量加工未完成时，评分引擎需要立即做出决策。延迟补偿的核心是“用旧数据代替新数据”，但需考虑数据的时效性衰减。

• 缓存快照： 使用最近一次成功获取的特征值，适用于变化缓慢的特征（如学历、户籍）。
• 时间衰减加权： 结合历史多个时间点的值，按时间远近赋予不同权重，适用于波动性适中的特征（如近6个月平均消费金额）。
• 降级处理： 当延迟超过预设阈值（如>24小时），将该特征标记为“不可用”，触发整体评分降级或转人工审核。

3.5 异常值处理补偿

异常值处理补偿的触发条件包括：数值超出业务定义的有效范围、逻辑校验失败（如年龄>150岁）、格式错误（如身份证号位数不对）。异常值补偿通常分为两步：

1. 识别与标记： 通过阈值规则或统计分布（如IQR、Z-score）识别异常值，将其标记为“异常缺失”。
2. 补偿执行： 将标记后的异常值视为缺失值，按照数据缺失补偿策略进行处理。对于明显由录入错误导致的异常，可尝试业务规则修正（如将“月收入999999”截断为99分位值）。

3.6 特征补偿整体流程

下图展示了特征补偿在信用评分流水线中的触发与执行流程。该流程确保在任何数据异常情况下，评分引擎都能获得一个合理的特征向量。

3.7 补偿策略选择矩阵

在实际项目中，补偿策略的选择需要综合考虑特征重要性、缺失率、数据时效性要求以及计算成本。下表提供了一个通用的选择矩阵，供特征工程和模型部署阶段参考。