数据预处理（data preprocessing）是指在主要的处理以前对数据进行的一些处理。如对大部分
地球物理面积性
观测数据在进行转换或增强处理之前，首先将不
规则分布的
测网经过插值转换为规则网的处理，以利于计算机的运算。另外，对于一些剖面
测量数据，如地震资料预处理有
垂直叠加、重排、加道头、编辑、重新取样、多路编辑等。
2.
不一致性:由于原始数据的来源不同，
数据定义缺乏统一标准，导致系统间数据内涵不一致，例如:同--属性的命名、单位、字长却不相同。
该类数据无法直接进行
数据挖掘，或挖掘结果差强人意。为了提高数据挖掘的质量产生了数据预处理技术。 数据预处理有多种方法：
数据清理，
数据集成，
数据变换，
数据归约等。这些
数据处理技术在数据挖掘之前使用，大大提高了数据挖掘模式的质量，降低实际挖掘所需要的时间。
数据的预处理是指对所
收集数据进行分类或分组前所做的审核、筛选、排序等必要的处理。
对于原始数据应主要从
完整性和
准确性两个方面去审核。完整性审核主要是检查应调查的单位或个体是否有遗漏，所有的
调查项目或指标是否填写齐全。准确性审核主要是包括两个方面：一是检查数据资料是否真实地反映了
客观实际情况，内容是否符合实际；二是检查数据是否有错误，计算是否正确等。审核数据准确性的方法主要有
逻辑检查和
计算检查。逻辑检查主要是审核数据是否符合逻辑，内容是否合理，各项目或数字之间有无相互矛盾的现象，此方法主要适合对定性（品质）数据的审核。计算检查是检查
调查表中的各项数据在计算结果和计算方法上有无错误，主要用于对定量（数值型）数据的审核。
对于通过其他渠道取得的
二手资料，除了对其完整性和准确性进行审核外，还应该着重审核数据的
适用性和
时效性。二手资料可以来自多种渠道，有些数据可能是为特定目的通过
专门调查而获得的，或者是已经按照特定目的需要做了加工处理。对于使用者来说，首先应该弄清楚数据的来源、数据的口径以及有关的背景资料，以便确定这些资料是否符合自己
分析研究的需要，是否需要重新加工整理等，不能盲目生搬硬套。此外，还要对数据的时效性进行审核，对于有些时效性较强的问题，如果取得的数据过于滞后，可能失去了研究的意义。一般来说，应尽可能使用最新的统计数据。数据经审核后，确认适合于实际需要，才有必要做进一步的加工整理。
1.准确性审核。主要是从数据的真实性与
精确性角度检查资料，其审核的重点是检查调查过程中所发生的误差。
2.适用性审核。主要是根据数据的用途，检查
数据解释说明问题的程度。具体包括数据与调查主题、与目标总体的界定、与调查项目的解释等是否匹配。
3.
及时性审核。主要是检查数据是否按照
规定时间报送，如未按规定时间报送，就需要检查未及时报送的原因。
4.一致性审核。主要是检查数据在不同地区或国家、在不同的时间段是否具有
可比性。
对审核过程中发现的错误应尽可能予以纠正。调查结束后，当数据发现的错误不能予以纠正，或者有些数据不符合调查的要求而又无法弥补时，就需要对数据进行筛选。
数据筛选包括两方面的内容：一是将某些不符合要求的数据或有明显错误的数据予以剔除；二是将符合某种特定条件的数据筛选出来，对不符合特定条件的数据予以剔除。数据的筛选在市场调查、
经济分析、管理决策中是十分重要的。
数据排序是按照一定顺序将数据排列，以便于研究者通过浏览数据发现一些明显的特征或趋势，找到解决问题的线索。除此之外，排序还有助于对数据检查
纠错，为重新归类或分组等提供依据。在某些场合，排序本身就是分析的目的之一。排序可借助于计算机很容易的完成。
对于
分类数据，如果是字母型数据，排序有升序与降序之分，但习惯上升序使用得更为普遍，因为升序与字母的自然排列相同；如果是汉字型数据，排序方式有很多，比如按汉字的首位
拼音字母排列，这与字母型数据的排序完全一样，也可按笔画排序，其中也有笔画多少的升序降序之分。交替运用不同方式排序，在汉字型数据的检查纠错过程中十分有用。
数据清理例程通过填写缺失的值、光滑
噪声数据、识别或删除
离群点并解决
不一致性来“清理”数据。主要是达到如下目标：格式标准化，异常
数据清除，错误纠正，重复数据的清除。
数据挖掘时往往数据量非常大，在少量数据上进行挖掘分析需要很长的时间，
数据归约技术可以用来得到
数据集的归约表示，它小得多，但仍然接近于保持原数据的完整性，并结果与归约前结果相同或几乎相同。
数据预处理是数据挖掘一个热门的研究方面，毕竟这是由数据预处理的产生背景所决定的－－现实世界中的数据几乎都
脏数据。