現實世界中數據大體上都是不完整，不一致的髒數據，無法直接進行數據挖掘，或挖掘結果差強人意。爲了提前數據挖掘的質量產生了數據預處理技術。
數據預處理有多種方法：數據清理，數據集成，數據變換，數據歸約等。這些數據處理技術在數據挖掘之前使用，大大提高了數據挖掘模式的質量，降低實際挖掘所需要的時間。
一、數據清理
首先是處理空缺值，如：要分析某市場的銷售和顧客數據，但顧客的income項沒有記錄，如何處理這類問題
1、忽略元組:忽略整條記錄
2、人工填寫空缺值：根據其它資料手工填寫
3、使用一個全局常量填充空缺值：使所有income項記錄都以一個常量（如：2000）填充
4、使用屬性的平均值填充空缺值：取得其它記錄中該屬性的平均值進行填充
5、使用與給定元組屬同一類的所有樣本的平均值：與上面相類似
6、使用最可能的值填充空缺值：與上面相類似
然後是處理噪聲數據，
1、分箱：通過考察周圍的值來平滑存儲數據的值，有兩種方法：按箱平均值平滑，箱中每一個值被箱中的平均值替換；按箱邊界平滑，箱中的最大和最小值被視爲箱邊界，箱中的每一個值被最近的邊界值替換
2、聚類：簡單來說就是取得相對比較集中的值，相對分散的值忽略不計的方法
3、迴歸：通過一個合適的函數（如迴歸函數）來平滑數據
4、計算機和人工檢查結合：即手工處理
最後是處理不一致數據
主要方法是參照其它資料，如紙上記錄，人工的加以更正
二、數據集成
即由多個數據存儲合併數據。
三、數據變換
將數據轉換成適用於數據挖掘的形式。
四、數據歸約
數據挖掘時往往數據量非常大，在少量數據上進行挖掘分析需要很長的時間，數據歸約技術可以用來得到數據集的歸約表示，它小得多，但仍然接近於保持原數據的完整性，並結果與歸約前結果相同或幾乎相同。
數據預處理是目前數據挖掘一個熱門的研究方面，畢竟這是由數據預處理的產生背景所決定的－－現實世界中的數據幾乎都髒數據。