机器学习-特征工程之分箱

分类模型中需要对连续变量离散化，可以降低模型过拟合的风险，更稳定。

分箱的重要性和优势：

1 离散特征的增加和减少都很容易，易于模型的快速迭代

2 稀疏向量内积乘法运算速度快，计算结果方便存储，容易扩展。

3 离散化后的特征对异常数据有很强的鲁棒性，比如一个特征年龄>1 是1，否则是0，如果特征没有离散化，一个异常数据300岁会给模型造成很大的干扰。

4 逻辑回归属于广义线性模型，表达能力受限，单变量离散化为N 个后，每个变量有单独的权重，相当于为模型引入了非线性，能够提升模型表达能力，加大拟合。

5 离散化后可以进行特征交叉，由M+N 个变量变为M*N 个变量，进一步引入非线性，提升表达能力。

6 简化逻辑回归模型的作用，降低了模型过拟合的风险

7 可以将缺失的作为独立的一类带入模型

8 将所有变量变换到相似的尺度上。