1、法律分析：数据主体在其个人数据被处理中享有以下权利：知情权、 访问权、反对权、 可携权、 纠正权、 删除权/被遗忘权、 限制处理权、免受数据画像影响。
2、数据主体拥有一系列与其个人数据相关的权利。这些权利主要包括：知情权：数据主体有权知道其个人数据何时、何地以及以何种方式被收集和处理。访问权：数据主体可以请求访问其被收集和处理的个人数据，并了解这些数据是如何被使用的。
3、数据主体的权利共有三类：第一类是维护主体尊严的权利，包括知情权、访问权和更正权；第二类是消极控制数据使用的权利，包括清除权（被遗忘权）、限制处理权、拒绝权、拒绝自动分析权；第三类是数据移转权（数据携带权）。
1、刚收集得到的原始数据很可能有一部分是“脏”的，需要清洗才能使用。例如，有些是重复的数据，有些是含有矛盾的数据回答的多个问题中发现有矛盾），有些是填写错误的数据（包括格式错误、数字错误）。对以上不同的情况要做不同的处理，这属于数据清洗工作。
2、数据存储：数据清洗工作需要在数据存储之前完成。数据备份：数据备份是为了保护数据安全，不是数据清洗的一部分。数据恢复：数据恢复是为了保证数据可用性，不是数据清洗的一部分。数据保护：数据保护是为了保护数据的机密性和完整性，不是数据清洗的一部分。
3、不包括删除正常数据。 数据清洗旨在处理原始数据，去除不准确或不相关的信息，以便于正确使用和分析。 正常数据是指符合采集和处理标准的数据，它们对后续分析和建模至关重要。 数据清洗专注于处理问题数据，如缺失值、异常值、重复值和错误值。
4、不包括删除正常数据。数据清洗是指对原始数据进行处理，以去除脏数据，使得数据能够被正确地使用和分析。数据清洗不包括删除正常范围内的数据。正常数据是指符合数据采集标准和数据处理要求的数据，数据是可以用于后续分析和建模的。
1、【答案】：B 数据的清洗一般针对具体的应用，因而难以归纳统一的方法和步骤，但是根据数据不同可以给出相应的数据处理方法。①解决不完整数据的方法；②错误值的检测及解决方法；③重复记录的检测及消除方法；④不一致的检测及解决方法。
2、均值替换法（Mean Imputation）当变量重要性高且缺失数据量大时，个案剔除法可能不适用。此时，均值替换法是一种选择。对于数值型变量，使用所有对象该变量的平均值填充缺失值；对于非数值型变量，使用众数填充。然而，这种方法可能导致有偏估计，不被普遍推荐。
3、首先，当数据集中的缺失值数量较少，且这些缺失值对整体数据分析影响不大时，一种简单直接的处理方法是删除含有缺失值的记录。这种方法适用于缺失数据对分析结果影响微乎其微的情况，但缺点是可能导致数据信息的损失，特别是在缺失数据较多的情况下。其次，插值法是一种常用的缺失值处理方法。
1、数据清洗的内容 数据清洗的内容包括：检测并处理缺失值、去除重复记录、纠正错误的数据值、处理异常值、以及将数据进行标准化和规范化等。此外，还包括对数据的格式、类型进行检查和调整，以确保数据的统一性和规范性。
2、数据收集：这是数据处理的基础，涉及利用传感器、调查问卷、数据库查询等手段来获取数据。在收集阶段，确保数据的准确性和完整性至关重要，因为它们将直接影响到后续处理和分析的结果。数据清洗：数据清洗旨在解决收集过程中出现的问题，如数据缺失、重复记录和异常值等。
3、数据挖掘中常用的数据清洗方法 对于数据挖掘来说，80%的工作都花在数据准备上面，而数据准备，80%的时间又花在数据清洗上，而数据清洗的工作，80%又花在选择若干种适当高效的方法上。用不同方法清洗的数据，对后续挖掘的分析工作会带来重大影响。