随着大数据(Big Data)的广泛应用,数据挖掘(Data mining)与机器学习(Machine learning)作为处理数据的重要手段,已然成为当今研究的一个热点问题。许多数据挖掘的算法得以进行的先决条件就是所要处理的属性值是离散值。所以如何使用好的离散化对数据进行预处理更是重中之重。并且在离散化步骤中,没有任何离散化算法可以适用于任何环境下,需要根据数据集的特点和学习环境等选择合适的离散化方法。本文通过对中外数据离散化技术现状的深入研究,分析了根据数据集的统计特性检测以确定其分布模型,以及对不同离散化方法之间选比判定依据,设计了一种最优离散化方法自动选择机。研究提出了一种针对环境的并行比较并获得最优离散化的数据准备算法(Auto Optimize Algorithm,AOA),针对不同数据集,算法首先进行对数据集的统计特性检测以获得数据集的分布特性,根据分布特性进行数据集的异常值检测和剔除。其次,并行完成与分布特性适配的离散化。最后,通过比较不同离散化方法的熵、方差指数、稳定性这三个参数所构成的最小欧氏距离(Minimum Euclidian distance,MED),根据三个参数自动化比选,获得最优离散化的预处理成果。仿真表明,对北京(温带气候)与三亚(热带气候)样本数据集进行关联规则挖掘结果中,比较四种固定分别使用等频离散(EFD),等宽离散(EWD),基于均值标准差离散(AVST),K均值离散(KMEANS)的离散化数据预处理方法,在使用AOA对数据进行数据预处理后,在不同最小支持度阈值情况下,挖掘得到关联规则数更多,平均置信度更高,挖掘运行时间基本相当,因此得到更好的挖掘结果。并且基于AOA实现自动化最优离散化算法选择工具。