前言

在評分卡建模的過程中，最重要的是樣本和特徵，最耗時間的也是樣本抽取以及特徵工程。特別是在小公司，從資料抽取、到資料清洗、再到變數衍生基本都是一個人來完成。當然小公司的維度少，相對應的變數也少。但是，隨著業務的發展以及外部環境的變化，一直維持著之前的業務分析維度是很難跟上其他公司的腳步的。拓展維度最好的方法就是衍生變數，這也不僅僅對建模有幫助，對風險規則的制定也有益。

變數衍生也是基於已經有的資料進行挖掘，一般風控手上都會有申請表資料，徵信資料、流水資料、運營商資料等等。

接下來講講自己工作上用到的一些衍生方法

1. 申請表變數交叉

主要用在申請表變數上，比如：年齡和收入進行交叉；或者婚姻與性別，收入與房產等等。這部分交叉資料也比較多，但更需要追求在業務上的解釋。

2. 缺失值處理

如果有缺失值超過30%的變數，那缺失值處理就是最簡單的衍生變數方法。缺失值處理也有很多種的方法，如：連續值：使用均值，中值，0來替換；類別型：使用最多的類、單獨為一類來替換。每一種處理方式都能得出新一列變數。但是，在處理的時候，需要先去了解缺失值出現的原因。比如，申請表上工作年限欄位出現空缺。可能是客戶未填，那樣是可以做處理的。也可能是申請表上已經取消了工作年限，那就沒有必要做處理了，因為這個欄位已經無法獲取，可以剔除了。

3. 外部資料

一般在對這些資料進行衍生時，首先需要去熟悉原始資料，將原始資料中能進行分類的點和衍生維度記下來，最後加上統計方法。是先將想到的衍生點記下來，然後一個一個去列舉衍生，再做交叉衍生。
以運營商資料為例，
分類點： 通話時長，通話次數，主叫次數，聯絡人個數，話費等等。
衍生維度：近1月，近3月，白天，工作日等等。
統計方法：總和，最大值，平均值等等。
可以衍生出變數：近1月通話總時長，近一月平均每日通話時長，近1月工作日通話總時長。
交叉衍生：近1月工作日通話總時長佔所有通話時長比例。

除了上述，還有一些其他的角度也可以豐富特徵：
如：
近期性：最近一次貸款距今時長。
嚴重性：信用卡逾期次數，流水超月收入次數。

4.使用模型衍生，對變數進行轉換。

如使用gbdt衍生變數，或者對變數做轉換，如：log，平方等等。這裡有些問題就是變數在業務上不好解釋（如果是用在行為評分就無所謂了）和後期不好調整。

結束語

變數衍生的方法有很多種，這裡也只是寫一些常用的，如果有不足或問題，歡迎指出。最近在研究自動特徵工程的一個python包，後面有空也更新一下。