離散化與動差

部分資料分析演算法需要種類輸入資料，而非數值輸入資料。在此情況下，資料必須透過離散化步驟進行前置處理，其中數值會對映至離散值。動差是數量，其說明連續屬性分佈的某些層面。其中，中央動差或平均值附近的動差特別重要。

離散化

離散化演算法分成下列種類：

不受監督: 目標概念或類別屬性不用於設定間隔範圍。; 一般而言，當離散化完成時，若不打算稍後使用資料進行分類，或對相同資料集可以考量不同的分類作業時，會套用不受監督的演算法。這裡使用不同的屬性作為目標概念。
受監督: 目標概念或類別屬性用於設定最適當的間隔範圍。; 在概念上和計算上，比不受監督的演算法更為複雜。

動差

動差屬於資料探索的作業系列。

資料探索的目的是：

變得熟悉資料
偵測與資料品質相關的可能問題
觀察可能有助於後續分析處理的資料分佈

雖然資料探索之後通常是預測建模，但它也可能獨自產生有用的結果。