正确答案是：A: 数据清洗

### 专业分析：

在知识发掘处理（Knowledge Discovery Process）过程中，处理错误值（Wrong Value）通常属于数据预处理的任务，而数据清洗是数据预处理的一个关键阶段。以下是对各个选项的分析：

1. **数据清洗（Data Cleaning）**：
- **定义**：数据清洗是指识别、修正或删除数据中的错误（例如：输入错误、缺失值、重复数据等），以提高数据质量。
- **任务**：包括处理错误值、缺失值、重复数据、不一致数据等。
- **定位**：由于错误值直接影响数据的准确性，数据清洗阶段是处理这些错误值的关键所在。

2. **数据选择（Data Selection）**：
- **定义**：从大量的原始数据集中选择与分析目标相关的数据。
- **任务**：基于特定的标准或需求选择数据子集。
- **定位**：此阶段不直接处理数据中的错误值。

3. **数据编码（Data Transformation/Encoding）**：
- **定义**：将数据转换为适合建模的格式，通常涉及数据的规范化、离散化和编码。
- **任务**：对数据进行转换，使之适应机器学习算法的需求。
- **定位**：主要关注数据格式的转换与编码，不针对错误值的处理。

4. **数据扩充（Data Augmentation）**：
- **定义**：通过生成新数据来增加数据集的规模，以提高模型的泛化能力。
- **任务**：主要在图像处理、自然语言处理中使用，通过扰动、变换原始数据生成新样例。
- **定位**：此阶段与错误值处理无关。

综上所述，错误值的处理属于数据清洗阶段，因为这一阶段专门针对数据质量问题进行处理，包括但不限于错误值的修正和去除。