- 离散特征的增加和减少都很容易,易于模型的快速迭代
- 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
- 离散化后的特征对异常数据有很强的鲁棒性:比如一个特征是年龄>30是1,否则0。如果特征没有离散化,一个异常数据“年龄300岁”会给模型造成很大的干扰
- 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,可以提升特征之间的关系
- 特征离散化后,模型会更稳定,比如如果对用户年龄离散化,20-30作为一个区间,不会因为一个用户年龄长了一岁就变成一个完全不同的人。
- 特征离散化以后,起到了简化了逻辑回归模型的作用,降低了模型过拟合的风险。
数据离散化的优点
最新推荐文章于 2023-09-26 21:23:47 发布