【英语版】国际标准 ISO/IEC 5259-2:2024 EN 人工智能 — 分析学和机器学习中的数据质量（第2部分）：数据质量衡量标准 Artificial intelligence — Data quality for analytics and machine learning (ML) — Part 2: Data quality measures.pdf

ISO/IEC5259-2:2024ENArtificialintelligence—Dataqualityforanalyticsandmachinelearning(ML)—Part2:Dataqualitymeasures是关于人工智能的数据质量标准，特别是用于分析和机器学习（ML）的数据质量。该标准详细描述了数据质量度量，这些度量可以用于评估数据集的质量和一致性。

ISO/IEC5259-2标准定义了五个主要的数据质量度量：

1.**完整性**：数据是否完整和准确，包括缺失值和异常值。

2.**一致性**：数据集中的数据是否在所有记录中保持一致。

3.**准确性**：数据是否反映了实际的事实或情况。

4.**相关性**：数据是否与特定的业务或分析目标相关。

5.**可信度**：数据是否可以信赖，是否有足够的证据证明数据的真实性。

这些度量可以帮助组织评估他们正在使用的数据的质量，并可能采取措施来改进数据源或数据清洗过程以提高数据质量。这对于有效的机器学习和数据分析至关重要，因为高质量的数据可以提高预测的准确性和决策的质量。

然而，需要注意的是，这些质量度量并不总是互相独立的，有时它们可能会重叠或相互依赖。例如，数据的完整性可能会影响其准确性，因为如果数据不完整，那么其中的某些值可能就是不准确的。因此，在实际应用这些度量时，需要综合考虑它们之间的关系。