在数据预处理阶段，“数据规范”的主要目的是什么？ A. 删除重复数据B. 转换数据格式C. 统一数据尺度D. 扩充数据集

数据规范是数据预处理中的关键步骤，其核心目的是统一数据的尺度或分布，确保不同特征在模型训练过程中具有可比性。

• 关键概念：数据规范通常包括标准化（Standardization）和归一化（Normalization），通过缩放使数据符合特定范围或分布，避免特征量纲差异对模型性能的影响。
• 区分易混淆选项：
  • 删除重复数据属于数据清洗；
  • 转换数据格式属于数据转换；
  • 扩充数据集属于数据增强或采样方法。

数据规范的主要目标是解决数据量纲不一致的问题。例如，若一个特征范围是0-100，另一个是0-1000，直接输入模型会导致训练困难。通过规范处理（如归一化到0-1或标准化为均值0、方差1），可消除量纲差异，提升模型效果。

• 选项分析：
  • A. 删除重复数据：属于数据清洗，目的是提高数据质量。
  • B. 转换数据格式：属于数据转换，如日期格式统一或类别编码。
  • C. 统一数据尺度：正确，通过缩放消除量纲差异。
  • D. 扩充数据集：属于数据增强，如过采样或生成新样本。