Le nettoyage des données est une étape critique de la préparation des données. Les valeurs perdues dans la base de données sont un problème courant auquel sont confrontés les analystes de données. Les valeurs manquantes dans l'exploration des données sont des problèmes permanents qui peuvent entraîner des erreurs dans l'analyse des données. Les éléments manquants de manière aléatoire dans les attributs/ensembles de données compliquent l'analyse des données et rendent les résultats consolidés confus. Cela affecte la précision des résultats et des requêtes intermédiaires. En utilisant des méthodes statistiques et numériques, il est possible de récupérer les données manquantes et de réduire la suspicion dans la base de données. La présente recherche propose une approche appliquée de la méthode d'interpolation de Newton (NFI) pour récupérer les valeurs manquantes, ainsi que d'autres méthodes différentes.Les données contenues dans l'ensemble de données restent toujours les éléments de base de toute requête et de toute tâche et décision ultérieures. Si les données de base sont incomplètes ou si l'ensemble de données comporte des valeurs manquantes, personne ne peut supposer que les rapports finaux sont à jour. Dans le domaine de l'exploration de données, la reconnaissance et la récupération des valeurs manquantes restent un problème majeur avec les données irrégulières.

Darshanaben Dipakkumar Pandya est actuellement professeur adjoint au département d'informatique du shri C.J Patel College of Computer Studies, Sakarchand Patel University, Visnagar, Dist:- Mahesana, State :-Gujarat. Elle a fait son doctorat dans le domaine de l'exploration et de l'analyse des données. Elle a obtenu un doctorat en informatique à l'université Madhav.