1、非線性!!!!
邏輯回歸屬于廣義線性模型，表達能力有限，單變量離散化為N個后，每個變量有單獨的權(quán)重，相當于為模型引入了非線性，能夠提高模型表達力，加大擬合， 離散特征的增加和減少都很容易，易于模型的快速迭代。
2、 速度快!速度快!速度快!
稀疏向量內(nèi)積乘法運算速度快，計算結(jié)果方便存儲，容易擴展。
3、魯棒性!魯棒性!魯棒性!
離散化后的特征對異常數(shù)據(jù)有很強的魯棒性：比如一個特征是年齡>30是1，否則0。如果特征沒有離散化，一個異常數(shù)據(jù)“年齡300歲”會給模型造成很大的干擾。
4、方便交叉與特征組合
離散化后可以進行特征交叉，由M+N個變量變?yōu)镸*N個變量，進一步引入非線性，提升表達能力。
5、穩(wěn)定性
特征離散化后，模型會更穩(wěn)定，比如如果對用戶年齡離散化，20-30作為一個區(qū)間，不會因為一個用戶年齡長了一歲就變成一個完全不同的人。當然處于區(qū)間相鄰處的樣本會剛好相反，所以怎么劃分區(qū)間是門學問。
6、簡化模型
特征離散化以后，起到了簡化了邏輯回歸模型的作用，降低了模型過擬合的風險。
京公網(wǎng)安備 11010802030320號