Los sensores portátiles se han vuelto cada vez más populares para evaluar el rendimiento atlético, pero los métodos óptimos para procesar y analizar los datos siguen siendo poco claros. Este estudio investiga la eficacia de los métodos de extracción de características discretas y continuas, por separado y en combinación, para modelar el rendimiento del salto de contramovimiento utilizando datos de sensores portátiles. Demostramos que las características continuas, especialmente aquellas derivadas del Análisis de Componentes Principales Funcionales, superan a las características discretas en cuanto al rendimiento del modelo, la robustez ante variaciones en la distribución y volumen de datos, y la consistencia en diferentes conjuntos de datos. Nuestros hallazgos subrayan la importancia de las elecciones metodológicas, como el tipo de señal, los métodos de alineación y la selección de modelos, en el desarrollo de modelos predictivos precisos y generalizables. También destacamos las posibles trampas de depender únicamente del conocimiento del dominio para la selección de características y los beneficios de los enfoques basados en datos. Además, discutimos las implicaciones de nuestros hallazgos para el campo más amplio de la biomecánica deportiva y proporcionamos recomendaciones prácticas para investigadores y profesionales que buscan aprovechar los datos de sensores portátiles para la evaluación del rendimiento atlético. Nuestros resultados contribuyen al desarrollo de modelos predictivos más confiables y ampliamente aplicables, facilitando el uso de la tecnología portátil para optimizar el entrenamiento y mejorar los resultados atléticos en diversas disciplinas deportivas.