任务详情
全面客观地测评现有数据清洗方法的性能，越来越多的错误自动注入系统应运而生，其中一种便是不一致错误注入系统。不一致错误注入是指根据用户指定的完整性约束规则，目标列，错误模式和缺失比例，向目标列中注入拼写错误或替换错误，使得注错后的数据集违反给定的规则集。现有的不一致错误注入系统通常只支持单一模式的错误机制，即完全随机错误，然而很多真实应用场景中的错误是非随机的。例如，哈尔滨理工大学的简称通常被误写为哈工大，而不是任意大学的简称，如中科大。为了更好地模拟真实数据集中的错误情况， 数据管理； 数据可视化； 不一致错误注入； 错误情况可视化； 随机缺失值注入； 非随机缺失值注入； 数据缺
