数据探索性分析（EDA）用于理解数据结构、识别异常并进行必要转换，确保数据质量。本文聚焦于检测数据异常，后续将通过AWS Glue和Apache Spark实现数据管道。示例数据集来自Kaggle，包含100家环保企业信息。建议将“Previous Rank”列转换为整数，避免列名使用特殊符号，调整数值列数据类型，并将“Location”列拆分为城市和国家。同时需处理空值和重复项，确保数据一致性。

本文研究了分类网络在面对数据异常和对抗攻击时准确性和可校准概率分布的平衡。提出了正则化软标签的方法，探讨了标签平滑正则化和标准化方法对数据泛化性和校准概率分布的影响。通过将传统卷积转化为基于填充的局部卷积，加强了性能和收敛速率。