现实世界的数据往往是不完整,不一致和有噪音的,致使我们在进行数据挖掘之前必须进行一定的数据预处理工作。数据预处理的主要内容包括:数据清洗、数据集成、数据变换和数据规约。本文是在系统分析总结数据预处理各种方法的前提下,针对某移动通信公司离网用户数据共有70多张表,400多个属性,最高缺失率为28.3%,含记录最多的表有200多万条的特点,选用了数据预处理中的10余种方法对数据进行预处理的过程。本文的主要工作如下:(1)文中首先提出了数据质量问题的概念,并对各种数据质量问题对应的数据预处理方法进行了总结。(2)针对28.3%的数据缺失情况,放弃简单删除的传统做法。提出采用数据插补方法,并对各类数据插补方法进行对比分析,最终选取多重插补算法。由于应用插补的数据有683715条,属于大规模数据,为了保证插补效果,我们先通过小样本实验的方法,在比较插补效果后,确定了最佳插补次数,最终完成插补过程。得到了完整的并且近似真实的数据集。(3)通过多重插补、属性子集选择、属性集成、属性构造、离散化数据、规范化数据、数据抽样等方法后,将得到的数据代入数据挖掘模型中,所获取的信息得到了项目方的充分肯定。从而验证了数据预处理的有效性和意义。