连续属性的离散化一直是做分类模型时绕不开的点，尤其你用C5.0决策树的时候，区间怎么分，直接影响最终效果。论文研究-一种连续属性值域划分的离散化新方法.pdf里讲的这个方法，还挺实用的。

新的离散化函数挺有意思，关键不是简单分区间，而是看属性和类别之间的依赖关系，再来决定怎么划分。这就比那种“按等宽、等频来切”的方式聪明多了，分得更贴合数据本身。

再一个亮点是用到了变精度粗糙集，主要是为了控制信息丢失。说白了，就是既能压缩数据，又不容易把关键特征给弄没了。对做特征工程的你来说，这点蛮关键的。

要是你正在搭决策树模型，或者搞属性约简那一套，这篇论文值得一看。顺手也整理了些相关资源，比如MATLAB 实现、WEKA 可视化、C++ 示例代码这些都有，对照着研究更方便。

建议先从论文里把逻辑理清，看看这些实战资源：C5.0 决策树实战、C++实现示例、WEKA 可视化教程，都还挺有参考价值的。

如果你正为怎么把连续变量搞得更“听话”而头疼，这篇可以给你些思路，嗯，蛮值得花时间的。