首先，我是一名没有数据科学背景的程序员，所以我对统计学的工作知识非常有限。
我正在创建一个实体匹配工具来匹配内部数据集中的记录。我想使用这些文件中描述的概率匹配技术*。除了使用期望最大化（EM）推导协议/不一致权重之外，我对该技术如何工作以及如何应用它有很好的理解。
具体来说，我不清楚如何将记录对编码为
所需的double[][]格式
我提供的EM实现是Apache Common Math MultivariateNormalMixtureExpectationMaximization。
这是一个具体的例子：匹配公司记录。
公司有两个字段：name (string)和country (enum)，我想使用EM生成m和u概率权重。如何为每个字段创建double[][]数据集以提供给EM？
在name的情况下，它是一个字符串，所以会有一个近似的协议/不同意，使用一些字符串相似性方法（编辑距离，语音索引等，这里的细节不相关）
如果是country，我的数据会被标准化，因此协议只会在完全匹配时发生。但是某些国家的代表人数过多且不足。因此，代表性不足的国家的记录权重应该高于代表性过高的国家的记录。
double[]中的值到底是什么意思/代表什么？double[]？*描述使用EM的概率匹配技术的文件