离散数据和连续数据及相关内容的个人理解

离散数据和连续数据的定义

离散数据

例：[‘a’, ‘man’, ‘is’, ‘playing’]
离散数据取值可以具有有限个或无限可数个值，这个值可以用来定性描述属性的汉字、单词；当然也可以是整数，注意是整数，而不是浮点数，比如年龄属性就属于离散属性，可取0~110之间的任意整数。无限可数是指这个属性的可能取值的集合是无限的，但是可以建立一个与自然数的一一对应，比如顾客编号可以从1一直往后编下去，但实际的值的集合是可数的。对于离散的特征可以按照one-hot（独热）编码，该离散特征有多少取值，就用多少维来表示该特征，或者用embeddeding将单词映射到低维空间。one-hot只是单向映射关系，用数字表示单词；embedding除了表示单词外还可体现单词之间的联系。比如词性相近的embeding余弦相似度越高。常见的离散型变量分布有二项分布、多项分布和泊松分布。

连续数据

例：图像
往往采用归一化和标准化操作。使连续特征放缩到一个区间并满足正态分布。常见的连续型变量分布有：均匀分布、正态分布和指数分布。

离散分布和连续分布的采样

离散分布采样

例：对分类器最后输出的概率分布采样。
如Gumbel Softmax。

连续分布采样

例：在VAE中从正态分布中采样隐变量z。