不足する元データを必要範囲だけ補完し、公開情報から作れる特徴量範囲を全期間で認証する

30秒でわかる概要

前回は、元データ23分類のうち、本当に修復・取得を検討すべきRaw Gap候補を8分類まで絞りました。

今回は、その候補に対して既存データ修復と必要最小限の追加取得を行い、その後に全期間Coverageを再監査しました。

取得対象9レースは全件完了、HOLDは0。重複ID・Join・Foreign Keyの整合監査もPASSしています。

23分類を、月次Coverage、途中欠損、NULL、Join loss、カテゴリ偏りまで含めて再監査した結果は以下です。

PARTIALやMISSINGをFULLへ昇格させず、そのままEvidenceとして固定しています。

今回、公開情報だけから生成可能と認証できたSource Fact Groupは5分類でした。

このSource Factから解放できるFeature Familyは4系統です。

つまり、すべてのデータが揃ったわけではありません。一方で、どの範囲なら再現可能に特徴量を作れるかは正式に線引きできました。

次は認証済みSource Factを起点に、Public Feature UniverseとProducer Registryを設計します。特徴量ごとに個別取得するのではなく、複数Feature Familyで共用できる元データを中心に、再現可能な特徴量群を拡張します。