【datapreparation包括抽取，清洗，轉換，整合。這個過程會占用大量的時間，資料質量本身的差異和完整的資料空間問題往帶來很多麻煩。如何處理缺失值和特殊值？
首先我們定義的缺失值不是資料庫中的null值，它包括數值缺失和特殊數值。假如你要使用乙個資料庫中沒有的資料，要花時間賦值轉化成規定的值。這個值需要說明。第二種統計是你對應的統計方法並非適合所有資料（區域性敏感度問題），導致存在的差異。
所以用某個常數來填充是乙個辦法，最好建立乙個模型。根據資料的模型來填充乙個合適恰當的值。根據變數對紀錄進行資料分析箱，然後選擇紀錄所在的分箱對應的變數的均值，或者中位數，殘差分布估計。來填充效果更一些。
缺失原因：
屬性值缺失，資訊系統本身不完備。繼續原因和人為原因，資料庫本身的棧和堆的技術問題。有些資料故意隱瞞。
遺失漏掉資訊資料，輸入採集的故障和感測器本身精度。
無法獲取的資訊， 隱私資料
資料物件屬性不可用
dont-care value，次要資訊
獲取代價太大
系統實用性要求很高（迅速做出決策和判斷的）
缺失機制：
將資料集中不含有缺失值的變數屬性稱為：完全變數，資料集中含有缺失值的叫做不完全變數，little和rubin定義三種不同的缺失機制：
完全隨機缺失-（missing comletely at random，mcar）數值缺失與不完全變數以及完全變數都是無關的
隨機缺失（missing at random，mar），資料的確是僅僅依據與完全變數
非隨機，不可忽略缺失（not missing at random,nmar, or nonignorable）,不完全變數中資料缺失依賴於不完全變數本身，這種缺失是不可忽略的。缺失值的所屬屬性一樣，單值缺失，如果屬性不同就是任意缺失，時間線類資料存在隨時間的單調缺失。
空值定義
】
如何解決併發
雖然從巨集觀上，處理器是並行處理多項任務，但本質上乙個處理器在某個時間點只能處理乙個任務，屬於序列執行。在單處理器的情況下，併發問題源於多道程式設計系統的乙個基本特性 程序的相對執行速度不可 它取決於其他程序的活動 作業系統處理中斷的方式以及作業系統的排程策略。在分布式環境下，併發產生的可能性就更大...
如何解決藍屏問題
第一步 公升級筆記本bios 一般說來筆記本在出廠的時候很可能設計上存在某些的瑕疵，而廠商通常會採用公升級bios的方法來解決這些bug。如果我們在使用筆記本腦的過程中遇到了藍屏的情況，那麼我們可以採取公升級bios的辦法來解決藍屏的故障。第二步 正確安裝硬體驅動 在重新整理了bios以後，部分筆記...
如何解決「重複定義」
標頭檔案中一般只包含宣告，不包含變數的定義，如果沒辦法必須在標頭檔案中包含定義的話，多次引用該標頭檔案時，常遇到函式或者變數被重複定義的錯誤，比喻file1.h中定義了int a file2.h中也定義了 int a 此時在file.c中既包含file1.h也包含file2.h，在預編譯是，file...