weka数据离散化优点

Weka数据离散化的优点包括：
1. 降低计算复杂度：在某些数据挖掘算法中，使用连续值特征会导致计算复杂度很高，数据离散化将连续值特征离散化为一些离散区间，大大降低了计算复杂度。
2. 方便特征处理：对于一些特征，其离散化后会更具有代表性和可解释性，更容易进行特征处理和分析。例如，将连续变量离散化为类别变量，可以更好地进行分类分析。
3. 减少数据异常值的影响：当数据存在异常值时，其对连续值变量的影响比对离散值变量的影响更大，使用离散化可以在一定程度上减少异常值的影响，提高模型的鲁棒性。
4. 改善模型效果：在一些数据挖掘任务中，使用离散化后的数据可以提高模型的预测准确度和泛化能力。