在特徵工程中，我們常常需要對連續型特徵進行離散化處理，那麼這麼做有什麼好處呢？下面做簡單的總結：

1.離散特徵的增加和減少都很容易，易於模型的快速迭代；

2.係數矩陣內機乘法運算速度更快，計算結果方便儲存，易於擴充套件；

3.離散化後的特徵對異常資料有很強的魯棒性。比如一個特徵是年齡=300歲，會給模型造成很大的干擾；

4.單變數離散化N個後，每個變數有單獨的權重，相當於為模型引入了非線性，能夠提升模型表達能力，加大擬合；

5.離散化後可以進行特徵交叉，由M+N個變數變為M*N個變數，進一步引入非線性，提升表達能力；

6.特徵離散化後，模型會更穩定，比如：用使用者年齡離散化後，20-30作為一個區間，不會因為一個使用者年齡增長1歲變成完全不同的人，當然處於區間相鄰的樣本會剛好相反，所以劃分是門學問

7.特徵離散化以後，起到了簡化邏輯迴歸模型的的作用，降低模型過擬合的風險。