2、特征工程基础与评分卡模型原理
本章是信用评分特征服务 API 开发的基石。你将理解特征工程的核心概念（WOE、IV 值），掌握逻辑回归评分卡的构建流程，并明确特征服务 API 需要提供的数据类型。这些知识将直接指导后续 API 的字段设计、数据预处理与模型服务接口的开发。
2.1 特征工程核心概念：WOE 与 IV 值
在信用评分卡模型中，原始特征（如年龄、收入）通常不能直接用于逻辑回归。我们需要通过 证据权重（Weight of Evidence, WOE） 和 信息价值（Information Value, IV） 对特征进行编码与筛选。
2.1.1 WOE（证据权重）
WOE 衡量的是某个分组中“好客户”与“坏客户”分布的差异。其计算公式为：
WOE_i = ln( (Bad_i / Bad_total) / (Good_i / Good_total) )其中：
- Bad_i：第 i 个分组中的坏客户数量
- Good_i：第 i 个分组中的好客户数量
- Bad_total：全体坏客户总数
- Good_total：全体好客户总数
WOE 值越大，表示该分组中坏客户的占比相对越高（风险越高）；WOE 值越小（负值越大），表示该分组风险越低。WOE 编码将原始特征值映射为 WOE 值，使特征与目标变量（好坏客户）之间建立单调的线性关系，非常适合逻辑回归模型。
2.1.2 IV（信息价值）
IV 值用于衡量一个特征对好坏客户的区分能力。它是基于 WOE 计算的：
IV = Σ ( (Bad_i / Bad_total) - (Good_i / Good_total) ) * WOE_iIV 值越大，特征区分能力越强。业界通用的 IV 值判断标准如下：
| IV 值范围 | 预测能力 | 处理建议 |
|---|---|---|
| < 0.02 | 无预测能力 | 建议剔除 |
| 0.02 ~ 0.10 | 弱预测能力 | 可保留，需结合业务 |
| 0.10 ~ 0.30 | 中等预测能力 | 推荐保留 |
| 0.30 ~ 0.50 | 强预测能力 | 优先保留 |
| > 0.50 | 异常高（可能过拟合） | 需检查业务合理性 |
API 设计提示： 特征服务 API 应提供 WOE 映射表查询接口，允许上游系统获取每个特征分箱对应的 WOE 值，用于实时特征编码。
2.2 逻辑回归评分卡构建流程
标准评分卡构建流程分为 6 个核心步骤，每一步都直接影响最终评分卡的质量与可解释性。
- 数据准备与清洗：处理缺失值、异常值，合并好坏样本标签。
- 特征分箱：将连续变量（如年龄）或离散变量（如职业）划分为若干组（箱），常用方法包括等距分箱、等频分箱、卡方分箱。
- WOE 编码：对每个分箱计算 WOE 值，用 WOE 替换原始特征值。
- IV 值筛选：计算每个特征的 IV 值，剔除低预测能力的特征。
- 逻辑回归建模：以 WOE 编码后的特征作为输入，训练逻辑回归模型，得到每个特征的系数。
- 评分卡刻度：将逻辑回归的预测概率转换为整数分数（如 300~850 分），并确定每个分箱的得分。
评分卡刻度公式：
Score = Offset + Factor * ln(odds)
其中 odds = p/(1-p)，p 为逻辑回归预测的违约概率。Offset 和 Factor 由业务设定的基准分数和翻倍分数决定。
Score = Offset + Factor * ln(odds)
其中 odds = p/(1-p)，p 为逻辑回归预测的违约概率。Offset 和 Factor 由业务设定的基准分数和翻倍分数决定。
下面用一张流程图展示评分卡构建的完整链路：
2.3 特征服务 API 需要提供的数据类型
基于评分卡构建与实时推理的需求，特征服务 API 需要支持以下 5 种核心数据类型：
| 数据类型 | 说明 | API 示例字段 |
|---|---|---|
| 原始特征 | 用户直接输入的原始数据，如年龄、收入、职业编码 | age, income, occupation_code |
| 分箱映射 | 将原始特征映射到对应的分箱编号 | age_bin, income_bin |
| WOE 值 | 每个分箱对应的 WOE 编码值，用于模型输入 | age_woe, income_woe |
| IV 值 | 特征的 IV 值，用于特征筛选与质量监控 | age_iv, income_iv |
| 评分卡分数 | 最终输出的信用分数，以及每个特征的贡献分 | credit_score, age_score, income_score |
注意： 特征服务 API 必须保证 WOE 映射表与模型训练时完全一致。任何分箱边界的变更都需要同步更新 API 的映射配置，否则会导致线上推理结果与模型预期不一致。
下面用一张架构图展示特征服务 API 与评分卡模型之间的数据流转关系：
2.4 本章小结
- WOE 是特征编码的核心工具，将原始特征转换为与风险单调相关的数值。
- IV 是特征筛选的量化指标，帮助识别高区分度特征。
- 评分卡构建遵循“分箱 → WOE 编码 → IV 筛选 → 逻辑回归 → 刻度”的标准化流程。
- 特征服务 API 需要同时支持原始特征、分箱映射、WOE 值、IV 值和评分卡分数 5 种数据类型，确保模型训练与线上推理的一致性。