{
  "article_slug": "deduplication-training-measure",
  "figures": [
    {
      "id": "deduplication-training-measure-1",
      "kind": "line_chart",
      "title": "Multiplicity changes a fixed-target optimum",
      "x_label": "Multiplicity of z=-1 (copies)",
      "y_label": "Scalar parameter / half squared-loss units",
      "series": [
        {
          "name": "Weighted optimum",
          "x": [
            1,
            2,
            3,
            4,
            5,
            6,
            7,
            8,
            9,
            10,
            11,
            12,
            13,
            14,
            15,
            16
          ],
          "y": [
            0.3333333333333333,
            0.0,
            -0.2,
            -0.3333333333333333,
            -0.42857142857142855,
            -0.5,
            -0.5555555555555556,
            -0.6,
            -0.6363636363636364,
            -0.6666666666666666,
            -0.6923076923076923,
            -0.7142857142857143,
            -0.7333333333333333,
            -0.75,
            -0.7647058823529411,
            -0.7777777777777778
          ]
        },
        {
          "name": "Fixed target optimum",
          "x": [
            1,
            2,
            3,
            4,
            5,
            6,
            7,
            8,
            9,
            10,
            11,
            12,
            13,
            14,
            15,
            16
          ],
          "y": [
            0.3333333333333333,
            0.3333333333333333,
            0.3333333333333333,
            0.3333333333333333,
            0.3333333333333333,
            0.3333333333333333,
            0.3333333333333333,
            0.3333333333333333,
            0.3333333333333333,
            0.3333333333333333,
            0.3333333333333333,
            0.3333333333333333,
            0.3333333333333333,
            0.3333333333333333,
            0.3333333333333333,
            0.3333333333333333
          ]
        },
        {
          "name": "Excess target risk",
          "x": [
            1,
            2,
            3,
            4,
            5,
            6,
            7,
            8,
            9,
            10,
            11,
            12,
            13,
            14,
            15,
            16
          ],
          "y": [
            0.0,
            0.05555555555555558,
            0.14222222222222225,
            0.22222222222222243,
            0.2902494331065758,
            0.3472222222222222,
            0.3950617283950616,
            0.4355555555555558,
            0.4701561065197427,
            0.4999999999999999,
            0.5259697567389875,
            0.5487528344671203,
            0.5688888888888889,
            0.5868055555555555,
            0.6028450595924645,
            0.6172839506172839
          ]
        }
      ],
      "caption": "Constructed values (-1,0,2), multiplicities (m,1,1), uniform unique target. Parameter and half squared-loss curves use their separately named dimensionless units; no corpus measurement."
    },
    {
      "id": "deduplication-training-measure-2",
      "kind": "line_chart",
      "title": "Rows, unique classes, and weight concentration",
      "x_label": "Multiplicity of z=-1 (copies)",
      "y_label": "Count or weight-concentration equivalent",
      "series": [
        {
          "name": "Stored rows",
          "x": [
            1,
            2,
            3,
            4,
            5,
            6,
            7,
            8,
            9,
            10,
            11,
            12,
            13,
            14,
            15,
            16
          ],
          "y": [
            3,
            4,
            5,
            6,
            7,
            8,
            9,
            10,
            11,
            12,
            13,
            14,
            15,
            16,
            17,
            18
          ]
        },
        {
          "name": "Unique classes",
          "x": [
            1,
            2,
            3,
            4,
            5,
            6,
            7,
            8,
            9,
            10,
            11,
            12,
            13,
            14,
            15,
            16
          ],
          "y": [
            3,
            3,
            3,
            3,
            3,
            3,
            3,
            3,
            3,
            3,
            3,
            3,
            3,
            3,
            3,
            3
          ]
        },
        {
          "name": "Weight effective count",
          "x": [
            1,
            2,
            3,
            4,
            5,
            6,
            7,
            8,
            9,
            10,
            11,
            12,
            13,
            14,
            15,
            16
          ],
          "y": [
            3.0,
            2.6666666666666665,
            2.272727272727273,
            2.0,
            1.8148148148148149,
            1.6842105263157894,
            1.588235294117647,
            1.5151515151515151,
            1.4578313253012047,
            1.411764705882353,
            1.3739837398373984,
            1.3424657534246576,
            1.3157894736842106,
            1.292929292929293,
            1.2731277533039647,
            1.255813953488372
          ]
        }
      ],
      "caption": "Exact concentration statistic (m+2)^2/(m^2+2); it is not a claim about independent sample size."
    }
  ]
}