数据挖掘/机器学习领域中连续，离散，连续化，离散化到底是什么含义

现在网上关于数据挖掘、机器学习中数据预处理阶段关于属性（特征）的各种连续，离散的变换，由于用词不清，真让人晕头转向。那么数据挖掘、机器学习中用于描述属性（特征）的”连续“，”离散“，”连续化“，”离散化“的这几个词到底是什么含义呢？

首先，韩家炜老师在他的书的第二章就对属性的几种类型进行了介绍：
1.标称属性：
即与名称有关，标称属性的值是一些符号或事物的名称。每个取值代表某种类别、或状态。
举个例子：对于人的头发颜色这个属性可能的取值有，黑、白、棕、黄、宏、褐、灰。职业属性可能的取值有老师、程序员、医生等。
需要注意的是：我们可以用指定的数来代表标称属性的取值，比如对于头发颜色，我们规定0代表黑，1代表白，往后推。
另外，标称属性是定性描述数据，进行数学运算毫无意义，所以尽管可以用数代表标称属性的取值，但这些数不是真正意义上的数值，只是一种表示而已。
2.二元属性：
属于标称属性，属性只有两种取值，同样可以用1代表一种类别（状态），0代表剩下的另一种类别（状态）。如性别这个属性，只能取男或女，0代表男，1代表女
3.序数属性
取值用于描述属性的等级，序列，先后次序等
比如学习能力的取值可为优秀，良好，合格

总结以上三类属性都是定性的描述，尽管也可以用数代表不同的取值，但这只是我们用于编码的一种方式。接下来我们看另外一类属性
4。数值属性
定量的描述，用整数值或实数值来