数据离散化的优点

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
4. 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
5. 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。
6. 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。