Looking up...
对采集到的原始数据进行检查、筛选、纠错和标准化等操作，以提高数据质量的过程
原始数据清洗包括处理缺失值、去除异常值和统一数据格式等步骤。
数据清洗的具体操作包括补全缺失数据、删除明显错误数据以及统一数据编码格式。
由于原始数据清洗不当，模型的预测准确率下降了15%。
因数据预处理环节存在问题，导致模型性能显著下降。
原始数据清洗是数据分析和机器学习项目的基础步骤，直接影响后续处理结果的质量。
原始数据清洗占据整个数据分析项目约80%的时间，直接决定项目成败。
先处理缺失值，再处理异常值，最后统一数据格式。
清洗过程中应保留原始数据备份，便于追溯和审计。
由"原始数据"（raw data）和"清洗"（cleaning）组合而成，借鉴自英文"data cleaning"或"data cleansing"，在中文语境中形成的术语。
常用于数据科学、人工智能等技术领域，强调对原始数据进行系统性的质量提升。在商业分析、学术研究等场景中也广泛应用。