1) 稀疏向量内积乘法运算速度快,计算结果方便存储
2) 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;
3) 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, 可以通过 one-hot 编码为每个变量设置单独的权重,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;
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,进一步引入非线性,提升表达能力;
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。当然处于区间相邻处的样本会刚好相反,所以怎么划分区间要取决于具体的场景