Индекс подобия Жаккара измеряет сходство между двумя наборами данных. Он может варьироваться от 0 до 1. Чем выше число, тем более похожи два набора данных.
Индекс сходства Жаккара рассчитывается как:
Сходство Жаккара = (количество наблюдений в обоих наборах) / (число в любом наборе)
Или, записанный в форме записи:
J(A, B) = |A∩B| / |А∪В|
В этом руководстве объясняется, как рассчитать сходство Жаккара для двух наборов данных в R.
Пример: сходство Жаккара в R
Предположим, у нас есть следующие два набора данных:
a <- c(0, 1, 2, 5, 6, 8, 9)
**b <- c(0, 2, 3, 4, 5, 7, 9)
Мы можем определить следующую функцию для вычисления сходства Жаккара между двумя наборами:
#define Jaccard Similarity function
jaccard <- function (a, b) {
intersection = length ( intersect (a, b))
union = length (a) + length (b) - intersection
return (intersection/union)
}
#find Jaccard Similarity between the two sets
jaccard(a, b)
0.4
Сходство Жаккара между двумя списками составляет 0,4 .
Обратите внимание, что функция вернет 0 , если два набора не имеют общих значений:
c <- c(0, 1, 2, 3, 4, 5)
d <- c(6, 7, 8, 9, 10)
jaccard(c, d)
[1] 0
И функция вернет 1 , если два набора идентичны:
e <- c(0, 1, 2, 3, 4, 5)
f <- c(0, 1, 2, 3, 4, 5)
jaccard(e, f)
[1] 1
Функция также работает для наборов, содержащих строки:
g <- c('cat', 'dog', 'hippo', 'monkey')
h <- c('monkey', 'rhino', 'ostrich', 'salmon')
jaccard(g, h)
0.142857
Вы также можете использовать эту функцию, чтобы найти расстояние Жаккара между двумя наборами, которое представляет собой несходство между двумя наборами и рассчитывается как 1 — сходство Жаккара.
a <- c(0, 1, 2, 5, 6, 8, 9)
b <- c(0, 2, 3, 4, 5, 7, 9)
#find Jaccard distance between sets *a* and *b*
1 - jaccard(a, b)
[1] 0.6
Обратитесь к этой странице Википедии, чтобы узнать больше об индексе сходства Жаккара.