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 Python.
Пример: сходство Жаккара в Python
Предположим, у нас есть следующие два набора данных:
import numpy as np
a = [0, 1, 2, 5, 6, 8, 9]
b = [0, 2, 3, 4, 5, 7, 9]
Мы можем определить следующую функцию для вычисления сходства Жаккара между двумя наборами:
#define Jaccard Similarity function
def jaccard(list1, list2):
intersection = len(list(set(list1).intersection(list2)))
union = (len(list1) + len(list2)) - intersection
return float(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 = [0, 1, 2, 3, 4, 5]
d = [6, 7, 8, 9, 10]
jaccard(c, d)
0.0
И функция вернет 1 , если два набора идентичны:
e = [0, 1, 2, 3, 4, 5]
f = [0, 1, 2, 3, 4, 5]
jaccard(e, f)
1.0
Функция также работает для наборов, содержащих строки:
g = ['cat', 'dog', 'hippo', 'monkey']
h = ['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 = [0, 1, 2, 5, 6, 8, 9]
b = [0, 2, 3, 4, 5, 7, 9]
#find Jaccard distance between sets *a* and *b*
1 - jaccard(a, b)
0.6
Связанный: Как рассчитать сходство Жаккара в R
Обратитесь к этой странице Википедии, чтобы узнать больше об индексе сходства Жаккара.