知识卡片
专家反馈补足归一化规则
通用职位名称的所有别名很难一次穷举,先用规则把数据压缩到可复查的候选,再由领域专家确认分组与纠正映射,可逐步改进下一轮处理。人的确认是质量控制的一环,不代表此前所有自动分组都已正确;应保留原记录和具体判断依据,而非直接抹去差异。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- · 查看原书依据
介入主循环并执行质量控制。 回想一下,当处理任何数据集的时候,一个最明显的起始点就是记录事件发生的次数,并且这种情形都是相同的。让我们重新使用标准化公司名称的相同思想来实现标准化常见的职位名称,随后对这些名称做一个基本的频率分析作为聚类的基础。假设你已经导出了一个合理数量的联系人资料,你遇到的职位名称间的细小差别实际上可能会是令人吃惊的,但是我们在开始之前,
参考来源
- 位置:《社交网站的数据挖掘与分析(原书第2版)》第3章《3.3.2 标准化数据以便分析》(spine79;extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part0068.html;u049-ch03-013)。
- 结论依据:原文在“介入主循环并执行质量控制”附近的定义、例子或代码支撑本卡核心说明:通用职位名称的所有别名很难一次穷举,先用规则把数据压缩到可复查的候选,再由领域专家确认分组与纠正映射,可逐步改进下一轮处理。边界按已读前提解释;示例未执行。
- 原始内容:介入主循环并执行质量控制。 回想一下,当处理任何数据集的时候,一个最明显的起始点就是记录事件发生的次数,并且这种情形都是相同的。让我们重新使用标准化公司名称的相同思想来实现标准化常见的职位名称,随后对这些名称做一个基本的频率分析作为聚类的基础。假设你已经导出了一个合理数量的联系人资料,你遇到的职位名称间的细小差别实际上可能会是令人吃惊的,但是我们在开始之前,