聲明：本文是根據一篇英文博客翻譯加自己總結得到的，如果造成侵權，請聯系本人刪除。
最近在做特征工程，看到這篇文章很受啟發。原文鏈接：
原文的題目是——為什么連續值比類別或者離散值“好”。原文作者首先回顧什么是離散值，什么是連續值。
當我們給事物定一個名字的時候，我們就造了一個屬性或者說是類別。當我們給事物計數時，我們就收集到了離散值。當我們用（理論上的）無限級衡量事物時，就有了連續值。
原文作者給出了一個總結：
- Categorical = naming or grouping data
- Discrete = count data
- Continous = measurement data
如果細究起來，其實我們對事物的描述是沒有連續值的，因為總有一些值是取不到的。就像頻幕上畫出來一條線，看起來是連續的，但實際上還是用一個個點連起來的，對於這個問題，原文作者給出了一個他自己對離散和連續的理解。
作者認為，連續值和離散值就是一個測量單位的問題（a question of scale）.例如要測量生產線上標准重量為16-盎司的谷物盒子，看它是不是至少是16-盎司，同時又不超過16.5盎司。
如果用磅為單位來測量（16盎司=1磅），那就只能得到<1磅，=1磅和大於1磅三個結果。如果用盎司作為單位測量，就能夠更加精確的知道每個盒子到底離1磅差了多少。
哪些事連續值能夠做到而離散值不行呢？
接着上面的例子，原文作者展現了從離散值的粗略測量到連續值的精確測量。
設定谷物盒子重量少於1磅是Bad，否則是Good，那么統計100個谷物盒子，我們能夠得到下面的一個柱狀圖：
如果我們換一下統計方法，統計<1磅，=1磅和>1磅的情況，100個盒子的情況如下面的餅圖：
比起剛才的柱狀圖，我們知道的細節更多了，谷物盒超重的比例更高（谷物裝多了）。
更進一步，用盎司為單位測量每個盒子的重量，就能得到下面的一個圖：
可以看到，盒子的平均重量是1磅，但是偏差很大，標准差是0.9，值的范圍從12盎司到20盎司。
接下來，用0.001盎司作為測量單位，測量得到的數據就能夠支持更多的分析了。數據能夠區分出0.5盎司的重量，因此就可以看看生產線是否能夠持續生產重量在16到16.5盎司之間的成品，如下圖：
原文作者用的是Minitab分析工具，我沒有用過，但是從上面的圖上明顯看到：測量值的均值並不是在16盎司，作為老板，就要去改進生產線了。
原文最后還介紹了一個I-MR control chart,我不明白是什么東西，感興趣的可以參見原文。
原文作者提到的這個問題在我的項目中也有體會。對於推薦問題我也更多的用到連續特征：
- 有無附件->附件的詞數；
- 附件類型->附件類型的重要度；
- 來源->來源重要度；
- 文種->文種比例。
等等。
我認為這樣做的好處是：
1）更加精細的反應數據特性，便於模型處理
比如有無附件換成附件大小，就能夠讓模型根據附件大小學到一個分類界面，這個比有無附件這樣的01特征肯定效果更好。
2）在特征工程階段就將問題盡量變成線性
比如來源特征，直接加到問題里面，就是一個離散特征，要用決策樹一類的方法才能處理，而且是個非線性問題，如果換成來源重要度，就變成連續值，而且是線性可分的連續特征。
3）去除不必要的特征噪聲
文種->文種比例，不用關心具體文種。