如何解决记录跨多个数据集链接的最佳方法
我一直在尝试使用重复数据删除库来使用 2 个数据集进行记录链接。我现在想用它来链接 10 个（或更多）数据集中的记录。
没有规范的数据集。一条记录可能只出现在一个数据集中，最多出现在所有十个数据集中，但只会在单个数据集中出现一次（该数据集独有）。
链接记录的最佳方式是什么？记录链接同时比较两个数据集；要跨多个数据集进行比较，我需要相互比较。例如，如果我有 3 组（A、B、C），我需要比较 A & B、A & C 和 B & C。这是正确的吗？直觉上，我认为像这样链接彼此独立的数据集可能会产生虚假链接，其中记录 A1 链接到 B1，B1 链接到 C1，但 A1 无法链接到 C1； C1应该被认为是链接的吗？ docs note 这是一个挑战。
那么将其视为单个大型数据集并在整个事物中查找重复项会更好吗？这会改善结果吗？会有什么坏处？
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
