在工業界，很少直接將連續值作為邏輯回歸模型的特徵輸入，而是將連續特徵離散化為一系列0、1特徵交給邏輯回歸模型，這樣做的優勢有以下幾點：
0. 離散特徵的增加和減少都很容易，易於模型的快速迭代；
1. 稀疏向量內積乘法運算速度快，計算結果方便儲存，容易擴充套件；
2. 離散化後的特徵對異常資料有很強的魯棒性：比如乙個特徵是年齡》30是1，否則0。如果特徵沒有離散化，乙個異常資料「年齡300歲」會給模型造成很大的干擾；
3. 邏輯回歸屬於廣義線性模型，表達能力受限；單變數離散化為n個後，每個變數有單獨的權重，相當於為模型引入了非線性，能夠提公升模型表達能力，加大擬合；
4. 離散化後可以進行特徵交叉，由m+n個變數變為m*n個變數，進一步引入非線性，提公升表達能力；
5. 特徵離散化後，模型會更穩定，比如如果對使用者年齡離散化，20-30作為乙個區間，不會因為乙個使用者年齡長了一歲就變成乙個完全不同的人。當然處於區間相鄰處的樣本會剛好相反，所以怎麼劃分區間是門學問；
6. 特徵離散化以後，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。
連續特徵離散化
參考知乎使用者 在工業界，很少直接將連續值作為邏輯回歸模型的特徵輸入，而是將連續特徵離散化為一系列0 1特徵交給邏輯回歸模型，這樣做的優勢有以下幾點 離散特徵的增加和減少都很容易，易於模型的快速迭代 這個點理解 稀疏向量內積乘法運算速度快，計算結果方便儲存，容易擴充套件 離散化後的特徵對異常資料有很...
LR連續特徵離散化
1主要目的是獲得指數級的表示能力。假如乙個n維的連續向量，即使採用最簡單的每一維二值化，也會得到2 n種特徵組合。這種表示方法對lr這種線性分類器是十分關鍵的。在超高維的特徵空間中，很多問題就都變為線性可分問題，從而可以極大提高分類器的能力。總之就是增強了特徵的表達能力，或者說更容易線性可分。2離散...
常用特徵離散化方法
1規定劃分區間的引數，取定長的間隔將特徵放入不同的箱子中，這種方法對異常點比較敏感。2 根據頻率劃分箱子，會出現特徵相同卻不在乙個箱子中的情況，需要在劃分完成後進行微調。先對特徵值進行sort，然後評估分割點，劃分或者合併 3 1r方法 將前面的m個例項放入箱子中如果後面例項放入箱子時，比對當前例項...