除了上一篇提到的缺失值、空值資料以外，重複值以及離群值的資料也需要一併處理，資料如果有重複，會加重對結果的影響，若是資料有離群值，有可能是因為數據記錄錯誤或是誤填導致，若不處理，很可能扭曲實驗的結果，得到非最佳解。在 Azure Machine Learning Studio 中，可以使用 Remove Duplicate Rows 處理重複值，使用 Clip Values 處理離群值。

Remove Duplicate Rows 移除重複值

位置：Data Transformation / Manipulation / Remove Duplicate Rows
(1) 新增"Remove Duplicate Rows"移除重複值，將資料集的輸出接至 Remove Duplicate Rows，選擇要判斷的欄位

(2) 可以選擇單欄位，也可以選擇多欄位，若選擇多欄位，選擇的欄位都有符合重複條件才會移除，這邊以全部欄位為例，也就是兩筆資料完全一樣才會移除

(3) 點選執行，即可移除重複值

Clip Values 修改離群值

位置：Data Transformation / Scale and Reduce / Clip Values
針對離群值處理，可以使用 Clip Values 修改資料，可選擇以下 3 種修改對象：
1. ClipPeaks 修改或替換超過指定上限邊界的值
2. ClipSubpeaks 修改或替換低於指定下限邊界的值
3. ClipPeaksAndSubpeaks 同時修改或替換超過指定上限、低於指定下限邊界的值

(1) 離群值不好用人工瀏覽資料的方式判斷出來，可以透過資料集視覺化工具來找

(2) 先將左邊的檢視方式調整為 BoxPlot 箱型圖，比較好觀察該欄位資料是否有離群值，以下方的 wheel-base 輪軸欄位為例，在箱型圖上方超過 115 的幾筆資料即為離群值

(3) 新增"Clip Values"修剪值，將資料集的輸出接至 Clip Values，選擇要處理的離群值"ClipPeaks"，選擇要處理的欄位

(4) 選擇有離群值的 wheel-base 輪軸欄位

(5) 執行後，查看處理結果

(6) 可以看到超過上限的離群值資料被修改了，不會太偏離其他的資料