问题描述
在数据预处理中，数据分箱是一种将特征的连续值转换为分类值的技术。例如，有时，数据集中 age 特征的值被替换为间隔之一，例如：
[10,20),[20,30),[30,40].
何时是使用数据分箱的最佳时间？它（总是）会在预测系统中产生更好的结果还是可以作为反复试验？
解决方法
主要是试错。当您将分箱应用于连续变量时，您会自动丢弃一些信息。许多算法更喜欢连续输入来进行预测，许多算法会自己将连续输入装箱。如果您的连续变量有噪声，则应用分箱将是明智的，这意味着您的变量值没有被非常准确地记录下来。然后，分箱可以减少这种噪音。存在分箱策略，例如等宽分箱或等频分箱。当您的连续变量分布不均匀时，我建议避免等宽分箱。