逻辑斯特回归为什么要对特征进行离散化
参考答案:
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:
0. 离散特征的增加和减少都很容易,易于模型的快速迭代;
1. 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;
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,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;
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,所以怎么划分区间是门学问;
6. 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。
本题解析来源:@严林,链接:https://www.zhihu.com/question/31989952
题目来源:七月在线官网(www.julyedu.com)——面试题库——面试大题——机器学习
今日学习推荐
【CV就业班 第一期】
BAT大咖一对一个性化定制辅导
定制学习路线
简历与项目定制 面试辅导与内推
保就业 保高薪 先就业 后付费
又是新一轮金三银四之际
又到了各大企业狂招人的季节
也是跳槽涨薪的最佳时节啦
有意的亲们抓紧时间喽
挑战高薪,玩转AI~
本就业班开学时间:3月4日
越早报名越早享受到BAT大咖的一对一个性化定制
一个月的学习周期,一个月的内推周期
除了BAT大咖之外,配备3个助教
(辅助讲师答疑、作业考试且批改)
长按识别下方二维码
查看更多课程详情
☟
长按识别二维码
更多资讯
请戳一戳
☟
▼
点
咨询,查看课程,请点击“阅读原文”