二值离散化阈值的选择

Question

我们知道，我们通常对连续特征进行离散化，以消除额外的信息和不必要的规律性，从而使模型具有良好的鲁棒性和良好的预测能力。

但我想知道，除了基于特征的上下文之外，如何选择数据离散化、二进制或多值化的最优阈值。

Answer 1

通过不同数量的回收箱检查该特征的直方图会有所帮助。数据分布没有明显变化的回收箱的最大宽度可以是一个合适的选择。