数据处理：它被定义为收集、操作和处理收集到的数据以用于所需用途。这是一项将数据从给定形式转换为更有用和更需要的形式的任务，即使其更有意义和信息量更大。使用机器学习算法、数学建模和统计知识，整个过程可以自动化。这似乎很简单，但当涉及到 Twitter、Facebook 等真正的大型组织、议会、联合国教科文组织和卫生部门组织等行政机构时，整个过程需要以非常结构化的方式进行。因此，执行步骤如下：
数据清理：数据清理是修复或删除数据集中不正确、损坏、格式不正确、重复或不完整数据的过程。它是机器学习的重要组成部分之一。它在构建模型中起着重要作用。数据清理是每个人都在做但没有人真正谈论的事情之一。它肯定不是机器学习中最精彩的部分，同时，也没有任何隐藏的技巧或秘密需要揭开。但是，适当的数据清理可以成就或破坏您的项目。数据清理涉及的步骤 –
数据处理与数据清理
| Sr. no. |
Data Processing |
Data Cleaning |
|---|---|---|
| 1 | Data Processing is done after data cleaning | Data Cleaning is done before data Processing |
| 2 | Data Processing requires necessary storage hardware like Ram, Graphical Processing units etc for processing the data | Data Cleaning doesn’t require hardware tools. |
| 3 | Data Processing Frameworks like Hadoop, Pig Frameworks etc | Data Cleaning involves Removing Noisy data etc. No special Frameworks are used. |
| 4 | Data Processing is difficult when compared to data cleaning. | Data Cleaning is easier than data Processing. |
| 5 |
Examples:
|
Examples:
|