连续特征离散化--汇总

说明：本文内容来自网络，此处仅是简单汇总

内容一

来源：https://www.cnblogs.com/-Sai-/p/6707327.html

在工业界，很少直接将连续值作为逻辑回归模型的特征输入，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：

离散特征的增加和减少都很容易，易于模型的快速迭代；
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；
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；
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；
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；
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，所以怎么划分区间是门学问；
特征离散化以后，起到了简化了逻辑回归模型的作用，降低了模型过拟合的风险。

李沐曾经说过：模型是使用离散特征还是连续特征，其实是一个“海量离散特征+简单模型” 同 “少量连续特征+复杂模型”的权衡。既可以离散化用线性模型，也可以用连续特征加深度学习。就看是喜欢折腾特征还是折腾模型了。通常来说，前者容易，而且可以n个人一起并行做，有成功经验；后者目前看很赞，能走多远还须拭目以待。

内容二

来源：https://wenku.baidu.com/view/a6cffadd5122aaea998fcc22bcd126fff7055dd1.html

连续特征离散化是采取各种方法将连续的区间划分为小的区间，并将这连续的小区间
连续特征离散化的本质是：决定选择多少个分割点和确定分割点的位置。

离散化处理的一般过程为：

对连续特征值按照某种指定的规则进行排序
初步确定连续属性的划分断点
按照某种给定的判断标准继续分割断点或合并断点
如果第三步得到判断标准的终止条件，则终止整个连续特征离散化的过程，否则继续按第三步执行

离散化方法的分类：
主要的分类体系有无监督的和有监督的（又分为建立在错误码率、熵值或者统计信息基础上的离散化方法，典型代表是等频、等宽的连续特征离散化方法）、动态的和静态的、全局的和局部的、分列式的（从上至下）和合并式的（从下至上）、单变量的和多变量的以及直接的和增量式的。

离散化方法的评价

区间的个数：是对模型简洁性的要求
离散化所导致的不一致性：离散化后的不一致性不能比离散化之前高。
预测准确性：通常通过交叉检验模式建立分叉树来衡量。
具有最简单的离散化结果

优点：

易于模型的快速迭代
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
离散化后的特征对异常数据有很强的鲁棒性
提升了逻辑回归模型的表达能力，加大拟合
模型更稳定
简化逻辑回归模型，降低其过拟合风险

没有任何离散化算法可以适用于任何环境下，在实际应用时需要根据数据集的特点和学习环境等选择合适的离散化方法，而关联规则分析中的离散化既需要考虑各特征间的内在联系，又需要考虑在没有类信息的情况下对数据集进行有效的离散化。

连续特征离散化--汇总相关推荐

【机器学习】对于特征离散化，特征交叉，连续特征离散化非常经典的解释
一．互联网广告特征工程博文<互联网广告综述之点击率系统>论述了互联网广告的点击率系统,可以看到,其中的logistic regression模型是比较简单而且实用的,其训练方法虽然有多种 ...
特征挖掘（二）：连续特征离散化方法
1定义: 首先from wiki给出一个标准的连续特征离散化的定义: 在统计和机器学习中,离散化是指将连续属性,特征或变量转换或划分为离散或标称属性/特征/变量/间隔的过程.这在创建概率质量函数时非常 ...
对于特征离散化，特征交叉，连续特征离散化非常经典的解释
一．互联网广告特征工程博文<互联网广告综述之点击率系统>论述了互联网广告的点击率系统,可以看到,其中的logistic regression模型是比较简单而且实用的,其训练方法虽然有多种 ...
连续特征离散化方法介绍
1. 离散化技术分类连续属性的离散化方法也可以被称为分箱法,即将一组连续的值根据一定的规则分别放到其术语的集合中. 离散化技术可以根据如何对数据进行离散化加以分类,可以根据是否使用类信息或根据进行 ...
通过分箱对连续特征离散化，以提高线性模型的表现
首先在wave数据集上对比线性回归的决策树的表现 from sklearn.linear_model import LinearRegression from sklearn.tree import ...
连续特征如何离散化，为什么要离散化，常用于逻辑回归模型
转自:连续特征离散化达到更好的效果,特征选择的工程方法连续特征的离散化:在什么情况下将连续的特征离散化之后可以获得更好的效果? Q:CTR预估,发现CTR预估一般都是用LR,而且特征都是离散的.为什 ...
归一化处理公式_特征工程连续特征的常见处理方式（含实例）
点击标题下「小小挖掘机」可快速关注连续特征离散化可以使模型更加稳健,比如当我们预测用户是否点击某个商品时,一个点击该商品所属类别下次数为100次和一个点击次数为105次的用户可能具有相似的点击行为, ...
特征工程——连续特征与离散特征处理方法
特征的标准化(归一化) 连续特征 z-score标准化:这是最常见的特征预处理方式,基本所有的线性模型在拟合的时候都会做 z-score标准化.具体的方法是求出样本特征x的均值mean和标准差st ...
R语言caret包构建xgboost模型实战：特征工程（连续数据离散化、因子化、无用特征删除）、配置模型参数（随机超参数寻优、10折交叉验证）并训练模型
R语言caret包构建xgboost模型实战:特征工程(连续数据离散化.因子化.无用特征删除).配置模型参数(随机超参数寻优.10折交叉验证)并训练模型目录

连续特征离散化--汇总

内容一

内容二

连续特征离散化--汇总相关推荐

最新文章

热门文章