大数据挖掘导论与案例习题参考答案

第4章数据预处理

习题1：

数据质量的准确性、完整性、一致性问题，主要源于数据生命周期中采集、存储、处理等环节的疏漏。准确性问题是数据与真实情况不符，多因采集误差（如人工录入将“25岁”误写为“52岁”、温度计故障致读数偏差）、主观偏差（求职时虚报工作年限）或数据转换错误（Excel中日期误转为数字未修正，像“2024/08/29”变“45567”），例如某电商平台用户地址“北京市朝阳区”被误录为“北京市朝阳市”，导致物流配送出错。完整性问题指数据缺失，可能是采集遗漏（问卷未标注“月收入”为必填项致部分人跳过、工厂传感器断连漏记1小时生产数据）、用户因隐私保