Các kỹ thuật rời rạc hóa dữ liệu được sử dụng để giảm số lượng giá trị của một thuộc tính liên tục bằng cách chia phạm vi của thuộc tính đó thành các khoảng. Nhãn khoảng có thể được dùng để khôi phục các giá trị dữ liệu thực tế. Quá trình này thay thế nhiều giá trị của một thuộc tính liên tục bằng một số nhỏ nhãn khoảng, từ đó giảm bớt và đơn giản hóa thông tin ban đầu.
Điều này dẫn đến một biểu diễn cấp độ tri thức ngắn gọn, dễ sử dụng cho các kết quả khai thác dữ liệu. Các kỹ thuật rời rạc hóa có thể được phân loại tùy thuộc vào cách triển khai, chẳng hạn như có sử dụng dữ liệu lớp hay không, hoặc hướng tiến triển (từ trên xuống - top-down hay từ dưới lên - bottom-up). Nếu quá trình rời rạc hóa sử dụng dữ liệu lớp, thì đó là rời rạc hóa có giám sát (supervised discretization); ngược lại, đó là rời rạc hóa không giám sát.
Nếu quy trình bắt đầu bằng việc tìm một hoặc vài điểm (gọi là điểm phân chia hoặc điểm cắt) để tách toàn bộ phạm vi thuộc tính, sau đó tiếp tục đệ quy trên các khoảng kết quả, thì đó gọi là rời rạc hóa từ trên xuống (top-down discretization) hoặc phân chia (splitting).
Trong rời rạc hóa từ dưới lên (bottom-up discretization) hoặc gộp (merging), quy trình bắt đầu bằng cách xem tất cả các giá trị liên tục như các điểm phân chia tiềm năng, sau đó loại bỏ một số bằng cách gộp các giá trị láng giềng để tạo thành các khoảng, và áp dụng đệ quy quy trình này cho các khoảng kết quả. Rời rạc hóa có thể được triển khai đệ quy trên một thuộc tính để hỗ trợ phân chia phân cấp hoặc đa độ phân giải cho các giá trị thuộc tính, được gọi là hệ thống khái niệm.
Hệ Thống Khái Niệm và Lợi Ích
Hệ thống khái niệm hữu ích cho khai thác ở nhiều mức độ trừu tượng. Hệ thống khái niệm cho một thuộc tính số biểu diễn một sự rời rạc hóa của thuộc tính đó. Chúng có thể dùng để giảm dữ liệu bằng cách thu gom và thay thế các khái niệm cấp thấp (bao gồm giá trị số cho thuộc tính tuổi) bằng các khái niệm cấp cao hơn (như trẻ, trung niên, già). Mặc dù chi tiết bị ẩn bởi tổng quát hóa dữ liệu, dữ liệu tổng quát có thể ý nghĩa hơn và dễ thực thi hơn.
Điều này cung cấp mô tả nhất quán cho các kết quả khai thác dữ liệu giữa nhiều nhiệm vụ khai thác, một yêu cầu phổ biến. Ngoài ra, khai thác trên tập dữ liệu giảm thiểu cần ít hoạt động nhập/xuất hơn và hiệu quả hơn so với khai thác trên tập dữ liệu lớn, chưa tổng quát. Nhờ những ưu điểm này, các kỹ thuật rời rạc hóa và hệ thống khái niệm thường được sử dụng trước khai thác dữ liệu như một bước tiền xử lý, thay vì trong quá trình khai thác.
Một số phương pháp rời rạc hóa có thể dùng để tự động tạo hoặc tinh chỉnh động hệ thống khái niệm cho các thuộc tính số. Ngoài ra, nhiều hệ thống cho các thuộc tính phân loại ngầm tồn tại trong thiết kế cơ sở dữ liệu và có thể được biểu diễn tự động ở mức định nghĩa schema.