数据挖掘的数据基本都来自生产、生活、商业中的实际数据，在现实世界中，由于各种原因导致数据总是有许多问题。在实际情况下，我们采集到的数据往往存在缺失、错误或含有噪声、不一致等问题，也就是说数据质量的三个要素：准确性、完整性和一致性都有欠缺。不正确、不完整和不一致特性是现实世界大型数据库和数据仓库的共同特点。导致不正确的数据（即具有不正确的属性值）可能有多种原因：收集数据的设备可能出故障；输入错误数据；当用户不希望提交个人信息时，可能故意向强制输入字段输入不正确的值（例如，为生日选择默认值“1月1日”），这称为被掩盖的缺失数据。错误也可能在数据传输中出现，这些可能是由于技术的限制。不正确的数据也可能是由命名约定或所用的数据代码不一致，或输入字段（如日期）的格式不一致而导致的。
影响数据质量的另外两个因素是可信性和可解释性。可信性（Believability）反映有多少数据是用户信赖的，而可解释性（Interpretability）则反映数据是否容易理解。假设在某一时刻数据库有一些错误，之后都被更正。然而，过去的错误已经对相关部门造成了影响，因此他们不再相信该数据，即数据的可信性下降。此外，数据还使用了许多编码方式，量化分析人员有时并不知道如何解释它们。即便该数据库现在是正确的、完整的、一致的、及时的，但是由于很差的可信性和可解释性，这时数据质量仍然可能被认为很低。(www.xing528.com)
总之，现实世界的数据质量总是很难让人满意，一般是质量较差的，原因也有很多。但我们并不需要过多关注数据质量差的原因，只需关注如何让数据质量变得更好，也就是说如何对数据进行预处理，以提高数据质量，满足数据挖掘的需要才是我们的主要工作。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
