こんにちは、
データセットへのアプローチ方法について、いくつかのインスピレーションを探しています。重複する可能性のある人物を特定する必要がある人々のグループの人口統計データを調べています。データの一部は正確（生年月日、性別、国）であり、その他の部分は正確ではありません（身長、体重）。つまり、2人の身長と体重は同じではありませんが、実際には同じになる可能性があります。
したがって、すべての「誕生日、性別、国」の組み合わせの中で、さまざまな潜在的なペアの身長と体重の違いが非常に離れているかどうかを確認する必要があります。
私は一致したペアを調べましたが、それは同一である可能性がある2つのセットのみに制限され、たとえば3つ以上のセットには制限されません。「生年月日、性別、国」の組み合わせごとにstd devも調べましたが、グループ全体が確認され、グループ内で非常に近いと思われるものはクラスタリングされません。
私はいくつかの方法でいくつかの視覚化を行いましたが、非常に大きなデータセットが近づくと、より現実的な複製（たとえば、体重の差が5 kg以内、身長が2 cm以内）を拡大できるようにする必要があります。
ここでの良いアプローチは何でしょうか？
ジュリー
