面试中关于LR逻辑回归问题的整理

1. 逻辑回归为什么更适合处理id类特征？
   答：
   （1）对于tree based模型，处理id类特征，从树根到树叶的路径，其实就是是否是某用户和是否是某商品的联合判断，它已经变成了一个历史记忆，这就是为什么tree based模型在稀疏大规模ID类特征表现不行的原因
   （2）对于逻辑回归模型，一方面，它可以处理大规模的数据，可以并行处理；另一方面，我们可以通过L1正则化，进行特征选择

2. 关于模型在各个维度进行不均匀伸缩后，最优解与原来等价吗？
   答：等不等价要看最终的误差优化函数。如果经过变化后最终的优化函数等价则等价。明白了这一点，那么很容易得到，如果对原来的特征乘除某一常数，则等价。做加减和取对数都不等价

3. 关于逻辑回归，连续特征离散化的好处
   （1）可以实现非线性。举例，一个变量如果服从对数正态分布，那么对于不同区间，重要度不同。因此我们通过离散化，可以实现对不同区间学习不同的权重。

参考文献
http://blog.csdn.net/u011086367/article/details/52879531
http://blog.csdn.net/xietingcandice/article/details/46462825 （干货）
http://blog.csdn.net/yang090510118/article/details/39478033