• （1）非規整
• （2）值缺失
• （3）異常值（outlier）

一般來說，現實中的資料會存在資訊不完整、資料點缺失和異常值的情況，理想情況下，我們會去嘗試修復非規整資料，但很多資料集都源於一些難以重現（不可再現）的收集過程（比如網路活動資料和感測器資料），因此實際上很難修復。

值缺失和異常值也很常見，且處理方式可與非規整資訊類似。總的來說，大致的處理過程如下：

• （1）過濾掉或刪除非規整或有值缺失的資料：這通常是必須的，但的確會損失這些資料裡那部分好的資訊；

• （2）填充非規整或缺失的資料：可以根據其他的資料來填充非規整和缺失的資料。

  • 方法包括，0 值、全域性期望或中值等，
  • 根據相鄰或類似的資料點來做插值
    （通常針對時序資料）
• （3）對異常值做魯棒處理：魯棒迴歸
• （4）對可能的異常值進行轉換：對數或者高斯核對其轉換，這類轉換有助於降低變數存在的值跳躍的影響，並將非線性變為線性。