Как рассчитать сходство Жаккара в Python

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.