对连续特征一定要进行分箱处理吗？

是的，树模型不用进行分箱，但线性模型不分箱会导致倾斜

其实对xgboosting，分箱有时候也有助于防止过拟合

分算法，树里面c4.5和cart有自己的方法进行连续型特征的处理，不需要分箱，但是在信用评分卡中就需要分箱，不仅对连续特征要分箱，比如年龄，年收入，对于多值的分类数据也需要分类，比如车品牌，很多的大众品牌车辆，还有几辆跑车类别，那就需要进行分类变量的再分箱

对于线性模型来说，如果特征和y不是线性的关系的话，我们会人为地对特征进行离散化，也就是分箱处理。

但是分箱也有坏处，毕竟它丢失了一部分信息，而且在独热处理后又增加了特征的个数。所以整体上来说，是降低了bias，增大了variance。

对于xgb这种树一类的模型，可以不用分箱。