現在網上關於資料探勘、機器學習中資料預處理階段關於屬性（特徵）的各種連續，離散的變換，由於用詞不清，真讓人暈頭轉向。那麼資料探勘、機器學習中用於描述屬性（特徵）的」連續「，」離散「，」連續化「，」離散化「的這幾個詞到底是什麼含義呢？
首先，韓家煒老師在他的書的第二章就對屬性的幾種型別進行了介紹：
1.標稱屬性：
即與名稱有關，標稱屬性的值是一些符號或事物的名稱。每個取值代表某種類別、或狀態。
舉個例子：對於人的頭髮顏色這個屬性可能的取值有，黑、白、棕、黃、巨集、褐、灰。職業屬性可能的取值有老師、程式設計師、醫生等。
需要注意的是：我們可以用指定的數來代表標稱屬性的取值，比如對於頭髮顏色，我們規定0代表黑，1代表白，往後推。
另外，標稱屬性是定性描述資料，進行數**算毫無意義，所以儘管可以用數代表標稱屬性的取值，但這些數不是真正意義上的數值，只是一種表示而已。
2.二元屬性：
屬於標稱屬性，屬性只有兩種取值，同樣可以用1代表一種類別（狀態），0代表剩下的另一種類別（狀態）。如性別這個屬性，只能取男或女，0代表男，1代表女
3.序數屬性
取值用於描述屬性的等級，序列，先後次序等
比如學習能力的取值可為優秀，良好，合格
總結以上三類屬性都是定性的描述，儘管也可以用數代表不同的取值，但這只是我們用於編碼的一種方式。接下來我們看另外一類屬性
4。數值屬性
定量的描述，用整數值或實數值來表示，這是可以進行數**算的一類屬性，是真正意義上的數值。
好了，了解了以上對屬性的四種分類，我們再來看看經常讓人困惑，轉暈的連續，離散，連續化，離散化到底是指什麼
先看一下統計學中關於離散變數和連續變數的含義：
離散變數指變數值可以按一定順序一一枚舉，通常以整數字取值的變數。如職工人數、工廠數、機器台數，年齡等。離散變數的數值用計數的方法取得。
反之，在一定區間內可以任意取值的變數叫連續變數,其數值是連續不斷的,相鄰兩個數值可作無限分割,即可取無限個數值.例如,生產零件的規格尺寸,人體測量的身高,體重,胸圍等為連續變數,其數值只能用測量或計量的方法取得。
那麼資料探勘、機器學習中的離散，連續又有什麼不同呢
離散屬性：取值可以具有有限個或無限可數個值，這個值可以用來定性描述屬性的漢字、單詞；當然也可以是整數，注意是整數，而不是浮點數，比如年齡屬性就屬於離散屬性，可取0~110之間的任意整數。無限可數是指這個屬性的可能取值的集合是無限的，但是可以建立乙個與自然數的一一對應，比如顧客編號可以從1一直往後編下去，但實際的值的集合是可數的。
連續屬性：如果屬性不是離散的，就是連續屬性了
我們平常說的屬性（特徵）離散化其實就是指把取值為連續型或者離散型的屬性（特徵）按照取值區間劃分為用來定性描述屬性取值的值(漢字、單詞）或者整數值，化為整數值是怎麼理解呢？比如，隨便舉個例子**0-50為不要錢，；51-100為便宜，分別用整數0，1表示，這個就叫離散化。不要錢和0都是離散化後對屬於0-50這個**區間的描述。離散型的屬性離散化又是什麼意思？比如年齡為離散屬性，取值為0-110這個區間，我們可以將0-16規定為小孩，17-25規定為青年，26-50為中年，51-110為老年（這是我隨便劃分的，就是隨便舉個幫助理解的例子），這個過程就叫離散屬性的離散化，當然我們也可以選擇用整數0，1，2，3來分別代表四個區間。屬性離散化的關鍵就是按照區間進行劃分，用數字型表示是為了計算機識別
屬性（特徵）連續化其實大多指的是將取值為文字類（漢字，單詞）的屬性取值變為演算法可以處理的數字型，比如性別屬性取值為」男「，」女「，進行獨熱編碼」男「就變為10，女就變為01，形式上有漢字變為了數字型，雖然10，01並不是真正意義上的連續變數。
連續特徵離散化
參考知乎使用者 在工業界，很少直接將連續值作為邏輯回歸模型的特徵輸入，而是將連續特徵離散化為一系列0 1特徵交給邏輯回歸模型，這樣做的優勢有以下幾點 離散特徵的增加和減少都很容易，易於模型的快速迭代 這個點理解 稀疏向量內積乘法運算速度快，計算結果方便儲存，容易擴充套件 離散化後的特徵對異常資料有很...
決策樹 特徵連續 離散，輸出連續 離散
特徵 注意 普通的dt可以多分叉，cart是二叉樹 離散 dt就正常分，cart採用二分類，對於每個類別選擇乙個離散值，其餘的合到一組 是 否分類思想 連續 都是採用二分，取值分成 兩部分 輸出 離散 分類問題，gini係數，資訊增益 連續 回歸問題，採用min 兩部分平方誤差 cart連續特徵 比...
LR連續特徵離散化
1主要目的是獲得指數級的表示能力。假如乙個n維的連續向量，即使採用最簡單的每一維二值化，也會得到2 n種特徵組合。這種表示方法對lr這種線性分類器是十分關鍵的。在超高維的特徵空間中，很多問題就都變為線性可分問題，從而可以極大提高分類器的能力。總之就是增強了特徵的表達能力，或者說更容易線性可分。2離散...