选取相关数据与处理缺失值，分别属于数据准备的哪一步？

正确答案 C

甲决定哪些相关数据进入本次分析，属于数据选择；乙处理已选数据的格式和缺失问题，属于预处理。两项都在数据准备阶段，选C。

甲回答“用哪些数据”，乙回答“这些数据怎样整理后才能用”。题干已明确分析目标确定，所以甲不是重新定义业务对象，而是在内部、外部来源中筛选合适的数据；乙没有训练预测模型，也没有检验模型对业务是否有效，而是在整理输入。预处理当然也会用算法甚至自动执行，但用了算法不等于已经进入挖掘规律的阶段。选项B容易把处理技术和流程职责混在一起。至于缺失值是否该填补、怎样填补，本题已限定按既定规则执行，不主张一见空值就一律补零。

选项分析

A

将选数据与整理已选数据的动作对调，甲没有在修正格式，乙也不是在决定来源范围。

B

甲未提取数据规律，乙未评估模型结果；不能因操作使用程序就分别判为挖掘与评估。

C

甲筛选相关输入，乙整理输入中的质量问题，准确对应数据准备中的两个不同动作。

D

目标在题干开头已经确定，乙也没有把挖掘结果投入业务，两个阶段名称均不对应。

再巩固一步

• 选择看相关性和范围，预处理看已选数据的问题；不要只根据是否用了算法来判阶段。