为什么进行线性回归前需要对特征进行离散化处理?
1.离散化操作很简单,特征离散化之后易于模型的快速迭代。
2.稀疏矩阵计算快,省内存。
3.鲁棒性强。单个特征数值过大或者过小对结果的影响会被降低。
4.可以产生交叉特征(相当于非线性了)
5.模型的稳定性加强了。
6.简化了模型,相当于降低了过拟合的风险。
版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。