建模中的数据治理包括() A. 检查异常数据:着重观察最大值、最小值、负数等明显不符合实际情况的B. 检查数据格式:检查特殊格式、空值、性别为数值等情况C. 整理缺失数据:一般情况下可接受的标准时缺失值在10%以下D. 检查逻辑错误;抽样部分数据,检查明显不符合逻辑的数据

数据治理是建模过程中确保数据质量的关键环节，主要包含以下核心内容：

1. 异常数据检测：识别超出合理范围的数值（如负数、极端值）。
2. 数据格式规范：统一数据格式，处理空值或不规范的字段（如性别用数值表示）。
3. 缺失值处理：根据行业标准判断缺失值是否可接受（如10%以下通常可接受）。
4. 逻辑一致性验证：通过抽样检查数据间是否符合业务逻辑。

破题关键在于理解数据治理的全流程，明确每个选项对应的具体治理措施。

选项分析

选项A

检查异常数据：通过观察最大值、最小值等指标，发现明显不符合实际的异常值（如年龄为负数）。
结论：属于数据治理核心步骤，正确。

选项B

检查数据格式：统一数据格式（如日期格式统一），处理空值或字段类型错误（如性别字段出现数值）。
结论：属于数据治理必要环节，正确。

选项C

整理缺失数据：通常认为缺失值比例低于10%时可直接使用，高于则需补充或删除。
结论：符合行业通用标准，正确。

选项D

检查逻辑错误：通过抽样检查数据间的逻辑关系（如年龄与学历不符）。
结论：属于数据治理中的逻辑验证，正确。