Looking up...
数据清理与优化的过程，包括去除噪声、修复错误、标准化格式、填补缺失值等，以提高数据质量和可用性。
在机器学习项目中，数据净化能显著提升模型的准确性。
机器学习需要高质量数据，数据净化确保输入数据的准确性和一致性。
数据净化不仅包括清理异常值，还涉及数据标准化和编码转换。
数据净化是数据预处理的核心步骤，确保后续分析的可靠性。
数据净化与数据清洗（data cleaning）同义，但更强调系统性和流程化处理。
1. 异常值检测与处理；2. 缺失值填补；3. 数据标准化；4. 重复数据清理；5. 数据验证。
在数据净化时，应优先处理影响数据质量的关键问题（如缺失值、异常值），再进行格式标准化。
由"数据"（shùjù，data）和"净化"（jìnghuà，purification/cleaning）组合而成，源于计算机科学和数据管理领域。
常用于大数据、人工智能、数据库管理等技术领域，强调系统性的数据质量提升过程。