Quando se inicia os trabalhos de aprendizado em bases de dados é comum identificar problemas na base de dados. Por isso, na etapa de pré-processamento, os dados passam por recursos

Integração: união de múltiplas fontes em um único local, como ocorre em um data ware-house.

Limpeza: é utilizada apenas para eliminar registros que apresentam problemas.

Redução: reduzir a dimensão da base de dados, como por exemplo, utilizando algoritmos de clusterização ou eliminando atributos redundantes.

Transformação: padronização ou transformação dos dados em um formato passível de serem utilizados por diferentes técnicas de aprendizado de máquina.