在MAGNet中包含了以下數據預處理功能：
數據清洗：去除重復數據、缺失值處理、異常值處理等。
特征選擇：選擇最具代表性的特征，減少冗余特征，提高模型的泛化能力。
特征縮放：對特征進行縮放，使不同特征之間具有相同的量綱，提高模型的收斂速度和準確性。
特征編碼：對分類特征進行編碼，將分類變量轉換為數值變量，方便模型進行計算。
數據轉換：對數據進行變換，如對數變換、標準化、歸一化等，使數據更符合模型的假設。
數據平衡：處理不平衡數據集，使不同類別的樣本數量平衡，避免模型在預測時偏向某一類別。
數據分割：將數據集劃分為訓練集、驗證集和測試集，用于模型的訓練、驗證和評估。
數據標準化：對數據進行標準化處理，使數據服從標準正態分布，提高模型的性能。
數據降維：對數據進行降維處理，減少特征的數量，提高模型的計算效率和泛化能力。
