Các bài toán thuộc làm sạch dữ liệu là: 

Làm sạch dữ liệu (data cleaning) là quá trình phát hiện và sửa chữa (hoặc loại bỏ) các dữ liệu sai lệch, không chính xác, không đầy đủ, không liên quan và trùng lặp trong một tập dữ liệu. Mục tiêu của quá trình làm sạch dữ liệu là cải thiện chất lượng dữ liệu để có thể sử dụng dữ liệu đó một cách hiệu quả cho các phân tích, mô hình hóa và ra quyết định. Các công việc chính trong làm sạch dữ liệu bao gồm: * **Xử lý giá trị thiếu:** Điền các giá trị còn thiếu bằng các phương pháp phù hợp (ví dụ: sử dụng giá trị trung bình, giá trị phổ biến nhất, hoặc các phương pháp phức tạp hơn). * **Xử lý dữ liệu nhiễu:** * **Định danh ngoại lai (outlier):** Xác định và xử lý các giá trị nằm ngoài phạm vi bình thường. * **Làm trơn dữ liệu:** Sử dụng các kỹ thuật như binning (phân nhóm), regression (hồi quy) hoặc clustering (phân cụm) để giảm nhiễu. * **Chỉnh sửa dữ liệu không nhất quán:** Sửa chữa các dữ liệu mâu thuẫn hoặc không tuân thủ các quy tắc. * **Giải quyết tính dư thừa sau tích hợp dữ liệu:** Loại bỏ các bản ghi trùng lặp hoặc các thuộc tính dư thừa sau khi tích hợp dữ liệu từ nhiều nguồn. Với các phân tích trên, đáp án a là đáp án chính xác nhất. Các đáp án còn lại không đúng vì: * Đáp án b: "Làm trơn theo biên, phương pháp đóng thùng" chỉ là một phần của "làm trơn dữ liệu" nói chung. * Đáp án c và d: Phân cụm, phân lớp, hồi quy, tìm luật kết hợp, tìm kiếm đặc trưng là các bước thuộc khai phá dữ liệu, không phải làm sạch dữ liệu.