안녕하세요,
데이터 세트에 접근하는 방법에 대한 영감을 찾고 있습니다. 중복 가능성이있는 사람을 식별해야하는 사람들 그룹의 인구 통계 데이터를보고 있습니다. 데이터의 일부 부분은 정확하고 (생년월일, 성별, 국가) 다른 부분은 정확하지 않습니다 (높이, 무게). 즉, 키와 몸무게가 두 사람에 대해 동일하지 않더라도 실제로는 동일 할 수 있습니다.
따라서 모든 "생년월일, 성별, 국가"조합 내에서 다른 잠재적 쌍에 대한 키와 몸무게의 차이가 너무 멀리 떨어져 있는지 확인해야합니다.
일치하는 쌍을 보았지만 동일 할 수 있고 예를 들어 3 이상의 세트가 아닌 두 세트로 제한됩니다. 또한 각 "생년월일, 성별, 국가"조합에 대해 표준 개발자를 조사했지만 전체 그룹을보고 그룹 내에서 매우 가까운 것으로 보이는 그룹은 묶지 않습니다.
나는 약간의 시각을 얻는 시각화를 해왔지만 매우 큰 데이터 세트가 등장하면 더 현실적인 복제본을 확대 할 수 있어야합니다 (예 : 체중 차이 5kg 이내, 높이 2cm 이내).
여기서 좋은 접근 방법은 무엇입니까?
브릴리
