Data in the Real World Is Dirty: L

Data in the Real World Is Dirty:
 Lots of potentially incorrect data, e.g., instrument faulty, human or
computer error, transmission error
 Two major dirtiness in data
 Incomplete (missing): lacking attribute values, lacking certain
attributes of interest, or containing only aggregate data
 e.g., Occupation = “ ” (missing data)
 Incorrect (noise): containing noise, errors, or outliers
 e.g., Salary = “−10” (an error)

ผลลัพธ์ (ไทย) 1:

ข้อมูลในโลกจริงคือสกปรก:จำนวนมากของข้อมูลอาจไม่ถูกต้อง เช่น อุปกรณ์ชำรุด มนุษย์ หรือคอมพิวเตอร์ ส่งพลาดสองสิวสำคัญในข้อมูลไม่สมบูรณ์ (หายไป): ค่าแอตทริบิวต์ ขาดบางอย่างขาดแอตทริบิวต์ของดอกเบี้ย หรือประกอบด้วยเฉพาะข้อมูลรวมเช่น อาชีพ = "" (ไม่พบข้อมูล)ต้อง (เสียงรบกวน): เสียง ผิดพลาด หรือ outliersเช่น เงินเดือน = "−10" (ข้อผิดพลาด)

ผลลัพธ์ (ไทย) 2:

ข้อมูลในโลกแห่งความจริงสกปรก:
จำนวนของข้อมูลที่อาจไม่ถูกต้องเช่นตราสารเกิดความผิดพลาดของมนุษย์หรือ
คอมพิวเตอร์ผิดพลาดข้อผิดพลาดในการส่ง
สองสิ่งสกปรกที่สำคัญในข้อมูล
ไม่สมบูรณ์ (หายไป): ขาดค่าแอตทริบิวต์ขาดบาง
คุณลักษณะที่น่าสนใจหรือ มีเพียงข้อมูลรวม
เช่นอาชีพ = "" (ข้อมูลที่หายไป)
ที่ไม่ถูกต้อง (เสียง): มีสัญญาณรบกวนข้อผิดพลาดหรือผิดปกติ
เช่นเงินเดือน = "-10" (ข้อผิดพลาด)

ผลลัพธ์ (ไทย) 3:

ข้อมูลในโลกจริงสกปรก :มากมายข้อมูลอาจไม่ถูกต้อง เช่น อุปกรณ์ผิดพลาดของมนุษย์หรือข้อผิดพลาดคอมพิวเตอร์ส่งข้อผิดพลาดสองหลักความสกปรกในข้อมูลไม่ครบ ( ขาด ) : ขาดค่าแอตทริบิวต์ ขาดบางอย่างลักษณะของผลประโยชน์ หรือการรวมข้อมูลที่มีเพียงเช่นอาชีพ = " " ( ข้อมูลหายไป )ไม่ถูกต้อง ( เสียง ) : ที่มีเสียงดัง ความผิดพลาด หรือผิดปกติเช่นเงินเดือน = " − 10 " ( ข้อผิดพลาด )