## 数据清洗：去除噪声和异常值，确保数据质量
- 删除重复记录
- 处理缺失值（如填充或删除）
- 标准化/归一化数值范围
- 转换非结构化数据
点击查看完整数据清洗教程
## 特征缩放：统一数据尺度，提升模型效果
- 最大最小值归一化（Min-Max Scaling）
- 标准化（Z-Score Normalization）
- 基于分位数的缩放
- 自动化工具推荐：[Scikit-Learn](https://scikit-learn.org/stable/modules/preprocessing.html)
## 缺失值处理：保持数据完整性
- 用平均值/中位数填充
- 使用插值法
- 删除缺失率高的特征
- 高级方法：[多重插补技术](/community/machine_learning/multiple_imputation)
了解更多预处理技巧