Logistics Regression逻辑回归为什么要进行连续特征离散化

逻辑分析：

逻辑回归属于广义线性模型，分类任务寻找的是分类临界。

低于LR，从离散数据中寻找临界比连续数据更容易，离散化本身也引入了非线性变换，提升了数据表达能力。

 

效果分析：

在工业界，很少直接将连续值作为逻辑回归的特征输入，而是将连续特征离散化为一系列0， 1 特征交给逻辑回归模型，这样做的优势有以下几点：

1. 离散特征的增加和减少都很容易，易于模型迭代
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. 离散化的特征对异常数据有很强的鲁棒性，比如一个特征是年先>30是1， 否则是0， 如果特征没有离散化，一个异常数据“年龄300岁”就会给模型造成很大的干扰性
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，每个变量都有单独的权重，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，有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. 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，当然处于区间相邻处的样本刚好相反，所以怎么划分区间是门学问。
7. 特征离散化之后，起到了简化了逻辑回归模型的作用，降低了模型过拟合风险。

参考：https://www.zhihu.com/question/31989952