一、基本方法论
近似特征的差：适用于聚类、异常值检测等。电商领域常用的两个几乎相等的特征原始订单价和净订单价，相关系数0.9，对大多数用户而言，这两个值是相等的。不等的一小部分客户，是非常特殊的群体，比如有的用户买的所有商品最终都退货，识别这个群体会非常有意义。
比率：订单数、在线时长等，和用户的注册时长和生命周期等有关，将订单数除以用户生命周期（在线时长）等得到的比率更有意义（相较于绝对值）。
组合特征：BMI（体重除以身高的平方)，二型糖尿病和BMI指数有强关联性，而BMI定义的业务逻辑很简单：体重应该和人的体积成比例，如果人类是球状的，我们的体重应该跟身高的立方成比例；如果人类是柱状的，我们的体重应该和身高成比例，但人类的形状是介于球体和柱体之间，所以我们的体重应该和身高的平方成比例。
行为轨迹数据：GEO编码值，即经纬度信息，可以用于计算距离，如信用卡消费地距离家庭住址的距离；GEO翻译成POI信息也非常有用。
时间窗口：距离观察时点，根据业务理解的某些特定时间窗口，如近1周、近1月、近3月等，计算近度（如最近一次登录时间）、频度（可横向和纵向计算，纵向：最近7天的多头借贷总次数/最近1个月的多头借贷总次数，横向分母可以为：最近7天的借贷总次数）、数值（绝对值或相对值皆可，绝对值需考虑季节性，同样可以横向和纵向）
二、数理方法
数值变量x，每个特征值都减去均值，代表原始值是否高于均值或者低于均值。
数值变量x，转换为百分位数，
三、自动化方法
FM算法，特征交叉，本质也是数理方法。
四、特征衍生参考
简单关系网络分数
通过关系网络分数，可以反映出该客户通讯亲密度最高的社交圈内人群的综合违约情况。
通讯数据，定义通讯亲密度：
计算关系网络分数：
，v表示客户联系人的违约情况。
附，参考资料：
1、如何生成派生特征，https://zhuanlan.zhihu.com/p/38431080
