Looking up...
对收集的原始数据进行筛选、修正、去重等操作，以提高数据质量的过程
数据清理包括处理缺失值、删除重复记录和纠正格式错误。
数据清理涉及多个步骤，确保数据集的一致性和完整性。
机器学习项目的第一步通常是数据清理，否则模型训练效果会大打折扣。
数据质量直接影响机器学习模型的性能，数据清理是关键环节。
数据清理是数据科学和大数据处理中的基础步骤，通常占据整个项目60-80%的时间。
始终保留原始数据备份，在清理过程中记录每一步操作，确保数据可追溯性和可重复性。
先处理缺失值和重复项，再纠正格式错误，最后进行异常值分析。
清理后的数据必须通过统计检验（如均值、方差）确认质量提升。
由"数据"（shùjù，指数字化信息）和"清理"（qīnglǐ，指清除无用或错误内容）组合而成，源于计算机科学和数据管理领域。
在中文技术文献中，"数据清理"与"数据清洗"常互换使用，但"清理"更强调系统性的处理过程，而"清洗"可能更侧重于去除脏数据。