Power Query 反馈

调整相似性阈值

应用模糊匹配算法的最佳方案是，当列中的所有文本字符串仅包含需要比较的字符串，而不是额外的组件时。 例如，与比较相比，与Apples4ppl3s比比产生更高的相似性分数进行比较ApplesMy favorite fruit, by far, is Apples. I simply love them!。

这是因为第二个字符串中的单词 Apples 只是整个文本字符串中产生较低相似性分数的一小部分。

查看以下数据集，该数据集包含调查的响应，该数据集中只有一个问题“你最喜欢的水果是什么？”

调查提供了一个文本框来输入值，且没有验证。

现在，需要对值进行聚类分析。 为此，请将上一个水果表加载到Power Query，选择该列，然后选择在功能区中的“添加列”菜单中读取群集值的选项。

此时将显示“ 群集值 ”对话框，可在其中指定新列的名称。 将此新列命名为 “群集 ”，然后选择“ 确定”。

默认情况下，Power Query将使用 0.8 (或 80% ) 的相似性阈值，并且上一操作的结果将生成下表，其中包含新的群集列：

完成聚类分析后，不会为所有行提供预期结果。 行号 2 (2) 仍具有值Blue berries are simply the best，但应将其聚集到Blueberries，与文本字符串Strawberries = <3fav fruit is bananas类似，以及My favorite fruit, by far, is Apples. I simply love them!。

你希望确定导致此群集的原因。 为此，可以双击 “聚集值 ”步骤来恢复 “群集值 ”窗口。 在此窗口中，展开读取 模糊群集选项 的文本，并启用读取 显示相似性分数 的选项，如下图所示，然后单击“确定”按钮：

启用 “显示相似性分数 ”选项会将新列引入表，该列显示定义的群集与原始值之间的相似性分数。

仔细检查后，可以看到，Power Query在文本字符串Blue berries are simply the best的相似性阈值内找不到任何其他值，Strawberries = <3fav fruit is bananas以及My favorite fruit, by far, is Apples. I simply love them!。

可以再次返回到 “群集值 ”对话框，方法是双击 “聚集值 ”步骤并将 相似性阈值 从 0.8 更改为 0.6，如下图所示：

此更改使你更接近要查找的结果，但文本字符串 My favorite fruit, by far, is Apples. I simply love them!除外。 这是因为通过将相似性阈值从 0.8 更改为 0.6 Power Query现在能够使用从 0.6 开始到 1 的相似性分数的值。