2. 时间滑窗特征：滚动窗口统计量的构建与陷阱
时间滑窗特征，说白了就是「用过去一段时间的表现，来预测未来」。这在金融风控里太常见了——比如用过去3个月的消费均值，来判断用户当前的还款能力。
但我得说，这个看似简单的操作，坑特别多。我在项目中见过太多人，窗口一滑，模型就崩了。今天咱们就把它掰开揉碎了讲清楚。
2.1 滚动窗口统计量：到底在算什么？
先看一个最基础的场景。假设你有用户每天的消费金额，想算过去7天的平均消费。
import pandas as pd
import numpy as np
# 模拟数据
df = pd.DataFrame({
'user_id': ['A'] * 10,
'date': pd.date_range('2024-01-01', periods=10),
'amount': [100, 200, 150, 300, 250, 400, 350, 500, 450, 600]
})
# 7天滚动均值
df['amount_ma7'] = df['amount'].rolling(window=7).mean()
print(df[['date', 'amount', 'amount_ma7']])输出结果里你会发现，前6天都是NaN。为什么？因为数据不够7天。这个细节很多人会忽略。
核心统计量有哪些？
- 均值：最常用，反映平均水平。但容易被极端值拉偏。
- 最大值/最小值：捕捉极端行为。比如突然的大额消费，可能意味着风险。
- 标准差：衡量波动性。波动越大，不确定性越高。
- 趋势：比如用线性回归的斜率，或者简单的前后差值。
2.2 趋势特征的构建：不只是算个斜率
我个人习惯用两种方式构建趋势特征。
方法一：差分法
最简单，就是当前值减去N天前的值。比如「今天消费 - 7天前消费」，正数表示上升趋势。
df['amount_diff7'] = df['amount'] - df['amount'].shift(7)方法二：线性回归斜率
更稳健，但计算量也大。用过去N天的数据拟合一条直线，斜率就是趋势。
from scipy import stats
def calc_slope(series):
if len(series) < 2:
return np.nan
x = np.arange(len(series))
slope, _, _, _, _ = stats.linregress(x, series)
return slope
df['amount_slope7'] = df['amount'].rolling(window=7).apply(calc_slope)我的经验：差分法适合短期趋势，斜率法适合中期趋势。在信贷场景里，我通常用差分法做「突变检测」，用斜率法做「持续恶化判断」。
2.3 那些年我踩过的坑
嗯，这里要重点说。时间滑窗特征看着简单，但陷阱一个比一个隐蔽。
陷阱一：数据泄露
这是最致命的。我曾经犯过一个错——用整个数据集算滚动均值，结果把未来的信息带到了过去。模型在训练集上表现完美，一上线就崩了。
正确的做法：按时间顺序分组，每个样本只能用它之前的数据。
# 错误做法：全局滚动
df['amount_ma7_wrong'] = df['amount'].rolling(window=7).mean()
# 正确做法：按用户分组，且保证时间顺序
df['amount_ma7_correct'] = df.groupby('user_id')['amount'].transform(
lambda x: x.rolling(window=7, min_periods=1).mean()
)陷阱二：窗口边界效应
窗口刚启动时，数据不够。很多人直接填0或者均值，这其实是在「创造假数据」。我建议用min_periods参数控制最少需要多少数据，不够的就设为NaN，后续用缺失值处理。
陷阱三：时间间隔不均匀
用户不是每天都消费。如果直接用7天窗口，可能实际只用了3天的数据。这时候要用「日历窗口」而不是「数据点窗口」。
# 日历窗口：按实际天数滚动
df.set_index('date', inplace=True)
df['amount_cal_ma7'] = df['amount'].rolling('7D').mean()2.4 多窗口策略：别只用一个窗口
你想想看，只用7天窗口够吗？不够。短期波动和长期趋势要分开看。
我一般会构建3个窗口：
| 窗口类型 | 窗口大小 | 捕捉的信号 |
|---|---|---|
| 短期 | 3天 / 7天 | 近期突变、临时行为 |
| 中期 | 30天 | 月度消费习惯 |
| 长期 | 90天 / 180天 | 稳定行为模式 |
然后可以算「短期均值 / 长期均值」这样的比率特征。如果短期突然远高于长期，说明用户行为发生了异常变化。
2.5 知识体系总览
下面这张图，是我自己总结的时间滑窗特征构建逻辑。你看一眼就明白了。
2.6 实战建议：怎么选窗口？
说实话，没有标准答案。但我给你一个经验法则：
- 业务周期：如果用户是月薪制，30天窗口是必须的。如果是日结工，7天就够了。
- 数据密度：数据稀疏的用户，窗口要拉大。数据密集的，窗口可以缩小。
- 模型需求：树模型对特征尺度不敏感，窗口大小可以随意些。线性模型则要小心，窗口太小噪声大，窗口太大信号滞后。
我的小技巧：先做一次特征重要性分析，看看哪个窗口的贡献最大。然后围绕那个窗口，再微调大小。别一上来就搞十几个窗口，计算资源扛不住，模型也容易过拟合。
好了，时间滑窗特征就讲到这里。记住一句话：窗口是工具，不是目的。别为了做特征而做特征，要想清楚每个窗口到底在捕捉什么行为信号。