我有一个键值对列表。对于每个键，我想看看这些值有多唯一。例如，对于特定的键 k1，所有值可能相同。(最好的情况(。对于键 k2，一半的值是一种类型，另一半是不同的。..同样，对于键 kx，没有一个值匹配(最坏情况(。
我想根据上述内容为这些键中的每一个提供排名(或百分比，等等(，并进行最终排序，以便我可以过滤掉具有许多不同值的键(假设高于预定义的阈值等级或百分比(。
我不知何故认为这与我在数据挖掘课程中学到的一些概念有些相关，但只是无法有效地回忆起来。
谢谢。
你也许可以使用一些信息论来解决这个问题。
对于每个键，您可以计算值的熵。熵越高，键的值就越多样化。您可以使用它对键进行排名。
以下文章讨论一些相关主题：计算数据挖掘的熵。
在 http://en.wikipedia.org/wiki/Association_rule_learning 的数据挖掘术语中，您可以将索引视为预测值的一种手段，在这种情况下，您可能对置信度感兴趣 - 该索引的最常见值的百分比。您还可以查看两个随机选择的值相同的概率，这将是值频率的平方和，或 http://en.wikipedia.org/wiki/Shannon_entropy - 这将具有相似的属性，但涉及对数。