分箱化后的數(shù)據(jù)在數(shù)據(jù)處理和模型訓練中具有以下幾個優(yōu)勢：

B: 避免過擬合
- 分箱化可以將連續(xù)變量轉化為離散變量，從而降低模型復雜度，減少模型擬合訓練數(shù)據(jù)時的波動性，幫助避免過擬合。

C: 消除強異常
- 在分箱過程中，極端值可以被分配到一個更大范圍的區(qū)間中，從而減弱異常值對模型的影響。這有助于提高模型的魯棒性。

對于其他選項的分析：

A: 通俗化
- 雖然分箱化能夠使數(shù)據(jù)在一定程度上變得更直觀（如將年齡從具體數(shù)值轉化為年齡段），但“通俗化”并不是分箱化的主要優(yōu)勢之一，而是一個附帶的可能效果。

D: 增強監(jiān)督作用
- 分箱化本身并不直接增強監(jiān)督作用，它主要用于特征工程步驟中。增強監(jiān)督作用通常指的是更多地利用標簽信息來改進模型，而不是特征變換本身。

因此，正確的答案是 **B 和 C**。