Data in the Real World Is Dirty: Lo

Data in the Real World Is Dirty: Lots of potentially incorrect data, e.g., instrument faulty, human or computer error, transmission error
incomplete: lacking attribute values, lacking certain attributes of interest, or containing only aggregate data
e.g., Occupation=“ ” (missing data)
noisy: containing noise, errors, or outliers
e.g., Salary=“−10” (an error)
inconsistent: containing discrepancies in codes or names, e.g.,
Age=“42”, Birthday=“03/07/2010”
Was rating “1, 2, 3”, now rating “A, B, C”
discrepancy between duplicate records
Intentional (e.g., disguised missing data)
Jan. 1 as everyone’s birthday?

Results (Indonesian) 2:

Data di Dunia Nyata Apakah Kotor: Banyak data yang berpotensi tidak benar, misalnya, instrumen yang rusak, kesalahan manusia atau komputer, kesalahan transmisi
lengkap: kurang nilai atribut, kurang atribut tertentu yang menarik, atau hanya mengandung agregat Data
misalnya, Pekerjaan = "" ( data yang hilang)
bising: mengandung noise, kesalahan, atau outlier
misalnya, Gaji = "- 10" (kesalahan)
tidak konsisten: mengandung perbedaan dalam kode atau nama, misalnya,
Umur = "42", Ulang Tahun = "2010/03/07"
adalah rating "1, 2, 3", sekarang Peringkat "A, B, C"
perbedaan antara duplikat catatan
Disengaja (misalnya, data disamarkan hilang)
Januari 1 sebagai ulang tahun semua orang?