【數據清洗】
Part 1：缺失值處理

1. 忽略元組
2. 人工填寫缺失值
3. 使用一個全局常量填充缺失值：例如將缺失值用“Unknown”表示
4. 使用屬性的中心度量（mean or median）：對于對稱數據分布使用mean，秦些數據分布使用median。
5. 使用與給定元組屬同一類的所有樣本mean或median：例如將顧客按credit_risk分類，則用具有相同信用風險的顧客平均收入替換income中的缺失值。若給定數據分布是傾斜的，則median是更好的選擇。
6. 使用最可能的值填充缺失值：可以使用regression、Bayes形式化方法的基于推理的工具或者decision tree分類。

Part 2：噪聲數據的處理
<definition>噪聲（noise）：是被測量的變量隨機誤差或方差。
數據光滑技術：

1. 分箱（binning）：通過考查數據的近鄰來光滑有序數據集。常見的：用箱均值光滑；用箱中位數光滑；用箱邊界光滑。
2. 回歸（regression）：用一個函數擬合數據來光滑數據。
3. 離群點分析（outlier analysis）：通過如聚類來檢測離群點。

【數據集成】
Part 1：冗余和相關分析：
對于標稱數據，我們使用卡方檢驗發現。對于數值屬性，我們使用相關系數、協方差發現。