特征离散化解决非线性特征问题

在实际工作中，需要使用譬如LR这种线性分类器的时候，往往需要将特征离散化成0/1特征，之后再进行模型训练。 下面举例说明原因： 我们假设决策面为y=x^2，且模型是只具有一维特征x的线性模型,即模型的表达形式为：y=kx+b，如下图所示： 显然，模型不能很好地拟合决策面，那么，假如将x离散化成多个0/1特征(one-hot编码)： 0<x<=s1    x1=1,else=0 s1<x<=s2  

>>阅读原文<<