Algunas técnicas de modelado predictivo están más diseñadas para manejar predictores continuos, mientras que otras son mejores para manejar variables categóricas o discretas. Por supuesto, existen técnicas para transformar un tipo en otro (discretización, variables ficticias, etc.). Sin embargo, ¿existen técnicas de modelado predictivo diseñadas para manejar ambos tipos de entrada al mismo tiempo sin simplemente transformar el tipo de las características? Si es así, ¿estas técnicas de modelado tienden a funcionar mejor en los datos para los que son más naturales?
Lo más parecido que sé es que, por lo general, los árboles de decisión manejan bien los datos discretos y manejan los datos continuos sin requerir una discretización inicial . Sin embargo, esto no es exactamente lo que estaba buscando, ya que efectivamente las divisiones en las funciones continuas son solo una forma de discretización dinámica.
Como referencia, aquí hay algunas preguntas relacionadas, no duplicadas: