在基于机器学习的小额贷款需求预测任务中，数据预处理与特征工程是保障模型精度的关键环节。首先针对原始数据中的异常值，采用箱线图法识别超出上下限的极端数据，结合业务逻辑（如贷款金额为负、收入与负债比例异常等）进行剔除或用中位数填充，避免异常数据干扰模型训练。
针对数据集中正负样本分布不平衡问题（如有贷款需求的正样本占比过低），采用 BorderlineSMOTE 算法进行过采样：该算法聚焦于靠近分类边界的少数类样本，通过合成新的少数类样本补充至数据集，有效避免传统 SMOTE 算法可能导致的样本重叠问题，确保正负样本比例均衡，提升模型对少数类（有贷款需求）样本的识别能力。
特征工程阶段，先利用随机森林算法对连续特征（如收入、信用评分）进行分箱处理，将离散化后的特征与用户职业、贷款历史等类别特征结合；再借鉴关联规则算法思想，挖掘高关联字段（如 “收入水平 - 贷款金额需求”“信用等级 - 还款意愿”）并构建交叉特征。最后通过 PCA 降维技术，在保留核心信息的前提下减少特征维度，降低模型计算复杂度，为后续机器学习模型（如逻辑回归、XGBoost）的高效训练奠定基础。
联系我时，请说是在杭州含情网络技术有限公司看到的，谢谢！
