我正在尝试进行数据规范化并填充正确的邮政编码，城市和州。 数据包含邮政编码，城市，州和地址字段信息以及许多错误信息，例如类型错误等。 按照方法，我曾尝试过：
从正确的邮政编码，城市和州信息查找并进行规范化，仅涵盖40-50％的正确规范化
对地址进行标记并对正确的邮政编码，城市和州应用大量条件语句以及查找信息。地址字段包含大量丰富的信息，可用于创建查找和数据规范化。这种方法仅涵盖50-60％的正确标准化。
数据包含大量历史信息，新数据不断涌现。这是一个进行数据规范化的迭代过程。是否有更好的方法使用机器学习技术进行数据规范化，即数据从历史数据中学习并进行规范化？
答案 0 :(得分：0)
这是一个非常普遍的问题，所以我给出了一般答案。
如果没有别的办法可以帮助，应该使用机器学习。 最简单的解决方案是：如果你有足够的数据（你可以牺牲其中一些），数据仍然具有相同的质量，尝试基于一些正则表达式进行过滤 - 它快速而直接
通过机器学习，您将在训练时节省一些时间，并且无法保证准确性。但是当然，有些情况下ML可以提供很多帮助