正确答案是：C: 将数据正规化与0到1之间。

专业分析：

在使用类神经网络（人工神经网络，ANN）进行数据处理之前，数据准备是非常关键的一步。数据准备的质量直接影响模型的性能和准确性。以下是对几个选项的分析：

A: 将所有数值属性转成类别属性
这种做法通常不合适。数值属性包含了连续信息，如果将其转为类别属性，会丢失很多有用的信息，特别是数值之间的顺序和距离信息。

B: 将所有类别属性直接用0, 1, 2, 3取代成数值型属性
这种方法对于类别属性（如性别、颜色等）是不合适的，因为类别之间没有实际的数值关系。更好的方法是使用独热编码（One-Hot Encoding）来处理类别属性。

C: 将数据正规化与0到1之间
这是一个常见且有效的方法。将数据正规化（或标准化）到一个特定范围（如0到1之间），可以使得不同特征在同一个尺度上进行比较，有助于模型的收敛速度和稳定性。正规化可以避免某些特征值过大或过小对模型训练造成影响。

D: 不需要任何准备
这种说法是错误的。原始数据通常包含噪声、不完整或不一致的值，直接使用未经处理的数据进行训练，可能导致模型性能不佳或者无法收敛。因此，数据准备是不可忽视的重要步骤。

综上所述，选项C是正确的，因为将数据正规化可以提高类神经网络的训练效果和模型性能。