A.什么是数据清洗？b .为什么需要？c .数据清理的常见步骤有哪些？d .与数据清理相关的挑战是什么？e .哪些公司提供数据清洗服务？让我们一起开始旅程，了解数据清理！数据清洗到底是什么？数据清洗也称为数据清理，用于检测和纠正(或删除)记录集、表或数据库中不准确或损坏的记录。
我公司需要采集网页和桌面软件的数据，进行数据整理，清洗，谁可以介绍下此类工具吗？
在这个由物联网(IoT)，社交媒体，边缘计算以及越来越多的计算能力(如量子计算)支持的数字时代，数据可能是任何企业最有价值的资产之一。正确(或不正确)的数据管理将对企业的成功产生巨大影响。换句话说，它可以成败一个企业。 这就是原因，为了利用这些巨大的数据，无论大小，企业都在使用机器学习和深度学习等技术，以便他们可以建立有用的客户群，增加销售量并提高品牌忠诚度。
但是在大多数情况下，由于具有许多收集源和各种格式(结构化和非结构化)，数据可能是不准确，不一致和冗余的。 通过向机器学习算法提供具有此类异常的数据，我们是否可以及时，全面地访问相关信息? 不，当然不!首先需要清除此类数据。 这就是数据清理的地方! 数据清理是建立有效的机器学习模型的第一步，也是最重要的一步。
至关重要! 简而言之，如果尚未清理和预处理数据，则机器学习模型将无法正常工作。 尽管我们经常认为数据科学家将大部分时间都花在修补ML算法和模型上，但实际情况有所不同。大多数数据科学家花费大约80%的时间来清理数据。 为什么?由于ML中的一个简单事实， 换句话说，如果您具有正确清理的数据集，则简单的算法甚至可以从数据中获得令人印象深刻的见解。
我们将在本文中涉及与数据清理相关的一些重要问题 a.什么是数据清理? b.为什么需要它? c.数据清理有哪些常见步骤? d.与数据清理相关的挑战是什么? e.哪些公司提供数据清理服务? 让我们一起开始旅程，了解数据清理! 数据清洗到底是什么? 数据清理，也称为数据清理，用于检测和纠正(或删除)记录集，表或数据库中的不准确或损坏的记录。
广义上讲，数据清除或清除是指识别不正确，不完整，不相关，不准确或其他有问题(脏)的数据部分，然后替换，修改或删除该脏数据。 通过有效的数据清理，所有数据集都应该没有任何在分析期间可能出现问题的错误。 为什么需要数据清理? 通常认为数据清理是无聊的部分。但这是一个有价值的过程，可以帮助企业节省时间并提高效率。
这有点像准备长假。我们可能不喜欢准备部分，但我们可以提前收紧细节，以免遭受这一噩梦的困扰。 我们只需要这样做，否则我们就无法开始玩乐。就这么简单! 让我们来看一些由于脏数据而可能在各个领域出现的问题的示例 a.假设广告系列使用的是低质量的数据并以不相关的报价吸引用户，则该公司不仅会降低客户满意度，而且会错失大量销售机会。
b.如果销售代表由于没有准确的数据而未能联系潜在客户，则可以了解对销售的影响。 c.任何规模大小的在线企业都可能因不符合其客户的数据隐私规定而受到政府的严厉处罚。例如，Facebook因剑桥数据分析违规向联邦贸易委员会支付了50亿美元的罚款。 d.向生产机器提供低质量的操作数据可能会给制造公司带来重大问题。
数据清理涉及哪些常见步骤? 每个人都进行数据清理，但没人真正谈论它。当然，这不是机器学习的最奇妙部分，是的，没有任何隐藏的技巧和秘密可以发现。 尽管不同类型的数据将需要不同类型的清除，但是我们在此处列出的常见步骤始终可以作为一个良好的起点。 因此，让我们清理数据中的混乱! 删除不必要的观察 数据清理的第一步是从我们的数据集中删除不需要的观测值。
不需要的观察包括重复的或不相关的观察。a .在数据收集过程中，最常见的是重复或多余的观察。例如，当我们合并来自多个地方的数据集或从客户端接收数据时，就会发生这种情况。随着数据的重复，这种观察会大大改变效率，并可能增加正确或不正确的一面，导致不忠实的结果。b .无关的观察事实上与我们试图解决的具体问题不一致。
