Очистка данных - важнейший этап подготовки данных. Утраченные в базе данных значения - распространенная проблема, с которой сталкиваются аналитики данных. Отсутствующие значения при поиске данных - это постоянная проблема, которая может привести к ошибкам в анализе данных. Случайно отсутствующие элементы в атрибутах/наборе данных усложняют анализ данных, а также вносят путаницу в консолидированный результат. Это влияет на точность результата и промежуточных запросов. Используя статистические / численные методы, можно восстановить недостающие данные и уменьшить подозрительность в базе данных. В настоящем исследовании представлен прикладной подход метода форвардной интерполяции Ньютона (NFI) для восстановления недостающих значений, а также другие различные методы. Данные в наборе данных всегда остаются в качестве основных строительных блоков для любого запроса и дальнейших задач и решений. Если базовые данные неполные или набор данных имеет недостающие значения, никто не мо