本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
使用匹配项置信度分数估算匹配项质量
匹配项置信度分数可以提供对 FindMatches Match 找到的匹配项质量的估计值，以区分机器学习模型高度可信、不确定或不可能的匹配记录。匹配项置信度分数将介于 0 和 1 之间，其中分数越高，就意味着相似性越高。通过检查匹配项置信度分数，您可以区分系统高度信任的匹配项集群（您可能决定合并）、系统不确定的集群（您可能决定由人类审核），以及系统认为不可能的集群（您可能决定拒绝）。
如果您看到匹配项置信度分数很高，但又确定不存在匹配项，或者您看到分数很低，但又确定实际上存在匹配项，在此类情况下，您可能想调整训练数据。
当存在大型行业数据集时，审核每个 FindMatches 决策在此情况下并不可行，因此置信度分数特别有用。
在 Amazon Glue 版本 2.0 或更高版本中提供了匹配项置信度分数。
生成匹配项置信度分数
您可以生成匹配项置信度分数，方法是在调用 FindMatches 或 FindIncrementalMatches API 时，将 computeMatchConfidenceScores 的布尔值设置为 True（真）。
Amazon Glue 会将一个新的 column match_confidence_score 添加到输出。
匹配项评分示例
例如，考虑以下匹配记录：
分数 >= 0.9
匹配记录的摘要：
primary_id | match_id | match_confidence_score 3281355037663 85899345947 0.9823658302132061 1546188247619 85899345947 0.9823658302132061
详细信息:
通过此示例，我们可以看到两条记录非常相似并且共享 display_position、primary_name 和 street name。
分数 >= 0.8 且分数 < 0.9
匹配记录的摘要：
primary_id | match_id | match_confidence_score 309237680432 85899345928 0.8309852373674638 3590592666790 85899345928 0.8309852373674638 343597390617 85899345928 0.8309852373674638 249108124906 85899345928 0.8309852373674638 463856477937 85899345928 0.8309852373674638
详细信息:
通过此示例，我们可以看到这些记录共享相同的 primary_name 和 country。
分数 >= 0.6 且分数 < 0.7
匹配记录的摘要：
primary_id | match_id | match_confidence_score 2164663519676 85899345930 0.6971099896480333 317827595278 85899345930 0.6971099896480333 472446424341 85899345930 0.6971099896480333 3118146262932 85899345930 0.6971099896480333 214748380804 85899345930 0.6971099896480333
详细信息:
通过此示例，我们可以看到这些记录仅共享相同的 primary_name。
有关更多信息，请参阅：
PySpark：FindMatches 类
PySpark：FindIncrementalMatches 类
Scala：FindMatches 类
Scala：FindIncrementalMatches 类