預處理匿名數據以進行預測分析的步驟是什麼？

Question

假設我們有一個大型的匿名數據數據集。數據集包含一定數量的變量和觀察值。我們可以瞭解的所有數據都是變量的類型（數字，字符，日期等）。我們可以通過手動查看數據來完成。 用於進一步分析的預處理數據集的最佳實踐步驟是什麼？

就比如，讓這組數據只是一個表，所以我們並不需要檢查表之間的任何關係。

Answer 1

This link給出了一套完整的驗證目前在實踐中。不過，先從：

• 只要有可能，都寫在這樣你可以用你喜歡的編程語言的方法/構造解析它的速度和儘可能方便，這是一種您的數據;
• 如果所有的數據類型匹配正確，您可以驗證 - 如int字段不包含字符串數據等;
• 您可以驗證您的值是否在可接受的範圍內;
• 檢查一個不可爲空的字段是否有空值;
• 檢查日期是否在預期範圍內;
• 檢查數據是否正確設置成員資格限制在適用的地方;
• 如果你有以下類似電話號碼的數據模式，確保他們在（XXX）XXX-XXXX的設計，如果你喜歡他們的方式;
• 是在正確的精度水平的郵政編碼（在美國，你可以具有5個或9位數字的準確性）;
• 如果你的數據是時間序列，是完成（即你有所有日期值）？
• 有沒有不必要的重複？

希望這是不夠好，讓你開始...