简述数据预处理的核心步骤（至少4个），并说明每个步骤的主要作用。

数据预处理是数据分析流程中的关键环节，其核心步骤包括数据清洗、数据集成、数据转换和数据规约。这些步骤共同作用，确保数据质量，为后续建模和分析提供可靠基础。

1. 数据清洗

   主要作用是处理数据中的噪声、缺失值、重复数据和异常值。通过填充缺失值、删除重复记录、修正错误数据，提升数据的准确性和一致性，避免对分析结果产生干扰。

2. 数据集成

   将来自不同来源、不同格式的数据进行整合，形成统一的数据视图。其作用是消除数据孤岛，确保数据在逻辑上一致，便于后续统一分析。

3. 数据转换

   将数据转换为适合建模的格式，如归一化、离散化、构造新特征等。其作用是提升模型性能，使数据更符合算法假设，增强模型的泛化能力。

4. 数据规约

   通过降维、抽样、聚集等方式减少数据量，保留关键信息。其作用是降低计算复杂度，提高处理效率，同时减少存储和传输开销。

以上步骤共同构成数据预处理的核心流程，是实现高质量数据分析与挖掘的前提。

答案：

数据预处理的核心步骤包括：数据清洗（处理缺失、噪声、重复数据）、数据集成（整合多源数据）、数据转换（格式转换、特征构造）、数据规约（降维、抽样、压缩数据）。每个步骤均服务于提升数据质量，为后续建模和分析提供可靠基础。