特征离散化

特征离散化的优缺点

优点

1. 增加对异常值的鲁棒性
2. 降低过拟合风险
3. 增加算法的非线性能力
4. 方便特征交叉
5. 便于理解

缺点

1. 可能造成维度灾难
2. 部分信息丢失
3. 对于分箱边界点，会影响模型的稳定性

离散化方法

1. 等宽分箱
2. 等频分箱
3. 聚类分箱
4. 决策树分箱
5. 卡方分箱

参考文献

1. 「特征」常用特征离散化方法