在邏輯回歸中，特征的離散化有助于處理非線性關系和提高模型的可解釋性。讓我們逐一分析每個選項：

A: **離散特征的增加和減少都很容易，易于模型的快速迭代**
- 這條陳述是正確的。離散化特征使得特征工程更加靈活，可以輕松地增加或刪除特征，從而加快模型的迭代和優(yōu)化過程。

B: **稀疏向量內積乘法運算速度快，計算結果方便存儲，容易擴展**
- 這條陳述也是正確的。離散化通常會導致稀疏矩陣，而稀疏矩陣的乘法運算速度快，且存儲更高效，這有利于模型的擴展。

C: **離散化后的特征對異常數(shù)據(jù)有很強的魯棒性**
- 這條陳述一般是正確的。離散化可以將異常值歸入某個區(qū)間，降低異常值的影響，從而提高對異常數(shù)據(jù)的魯棒性。

D: **特征離散化后，模型會變得不穩(wěn)定**
- 這條陳述是錯誤的。通常情況下，特征離散化會提高模型的穩(wěn)定性，因為它減少了連續(xù)特征的波動性。離散化有助于處理特征的異常值和噪聲，反而可能使模型變得更加穩(wěn)定。

因此，基于以上分析，正確答案是 **D**。