本文介绍机器学习面试中数据清洗与特征处理的方法。数据清洗包括数据采样（随机采样、固定比例采样）和样本过滤（结合业务去除异常数据，利用偏差、距离、密度等异常检测算法）。特征处理涵盖归一化（函数、分维度、排序归一化）、离散化（等值、等量划分）及缺省值处理（单独表示、众数、平均值等），旨在提升模型性能。