如何为 Python Dedupe 使用预先标记的训练数据

Question

我正在使用 Python Dedupe 包进行记录链接任务。 这意味着将一个数据集中的公司名称与另一个数据集匹配。

Dedupe 包允许用户标记对以训练逻辑回归模型。但是，这是一个手动过程，需要为屏幕上显示的每一对输入 y/n。

我想加载一个包含 3 列的培训文件，例如 Company 1、Company 2、Match 如果 Company 1 和 Company 2 分别相同或不同，则 Match 可以取值为 yes 或 no。

我正在关注此source code，但找不到加载文件进行培训的方法。

此外，文档显示可以更改默认 Classifier 但不确定如何执行此操作

谁能帮我解决这个问题

Answer 1

在重复数据删除文档中查找 trainingDataLink 函数。它旨在处理预先标记的数据以进行记录链接。