计算数据集的准确性

Question

我有两张表（X 和 Y），例如，将足球运动员映射到球队。表 X 中的数据是可靠的，但我不确定表 Y 中数据的可靠性。表 X 有 3000 行，表 Y 有 1000 行。如何使用表 Y 中的数据作为真值集或超集来计算表 Y 中映射的准确度？

表 X

PlayerID   | Name      | Team
007        | Sancho    | Dortmund
010        | Messi     | Barcelona
011        | Werner    | Chelsea
001        | De Gea    | Man Utd
009        | Lewan..ki | Bayern Mun
006        | Pogba     | Man Utd
017        | De Bruyne | Man City
029        | Harvertz  | Chelsea
005        | Upamecano | Leipzig

Y 表

PlayerID.   |Name      | Team
010         | Messi    | Man City
007         | Sancho   | Man Utd
006         | Pogba    | Man Utd
017         | De Bruyne| Man City
011         | Werner   | Liverpool
006         | Pogba    | Real Madrid

根据表 X，我们可以看到只有 playerID 006 和 017 是准确的。但是 playerID 006 部分准确，因为它映射到两个不同的球队。

Answer 1

您可以left join 并使用条件逻辑来计算准确度。

在 MySQL 中，您可以这样表述：

select avg(y.playerID is not null) as accuracy_ratio
from x
left join y 
    on  y.playerID = x.playerID
    and y.name     = x.name
    and y.team     = x.team

这为您提供了一个介于 0 和 1 之间的值，表示准确率（如果需要百分比，可以将其乘以 100）。

请注意，这以某种方式假定 playerID 唯一标识两个表中的记录。