誤區1 資料是可靠的

1.6 智慧型應用中八個常見的誤區

到此，我們已經介紹了與智慧型應用相關的基礎知識，現在你應該已經對什麼是智慧型應用，以及應該如何使用智慧型應用有了乙個整體的了解。你很有可能迫不及待地想要開始寫**，我們不會讓你失望的。除了本章之外，每一章都會給你介紹新的有價值的**。

1.6.1 誤區1：資料是可靠的

很多因素會導致你獲取的資料不可靠。在考慮具體的智慧型演算法解決方案之前，首先就要判斷資料是否可信。如果資料有問題，就算是最聰明的人，通常也會得出錯誤的結論。

可能導致資料出錯的原因有很多，在此不可能一一枚舉，下面列出了部分有代表性的可能導致資料出錯的因素：

在開發過程中所使用的資料不能代表產品環境中的資料。例如，對某個社交網路中的使用者按身高分類"高"、"一般"和"矮"。如果開發階段所使用的資料中最矮的使用者的身高是1公尺84，那就有可能會得出"你太矮了，才1公尺84"的可笑結論。

資料中可能含有缺失值。實際上，除非資料是人造的，否則資料就肯定會含有缺失值。缺失值的處理非常需要技巧，通常，既可以保持缺失值狀態不變，也可以用某種預設值或是計算得到的值來填充。兩種情況都可能導致不穩定的實現。

資料可能會改變。資料庫策略可能會變，或者資料庫中資料的語義也有可能發生變化。

資料沒有規範化。假如我們關注的是每個人的體重。為了能根據體重得到有意義的結論，所有的單位應該是統一的：磅或是公斤，兩者只能取其一，而不能是兩者的混合。

所想的演算法可能不適合資料。資料有不同的形式，也就是資料型別。有些資料集是數值型別的，有些則不是；有些資料集可以排序，有些則不能；有些數值的資料集是離散的（例如，房間中的人數），有些則是連續的（例如氣溫）。