Comment calculer la similarité Jaccard dans R

L’ indice de similarité Jaccard mesure la similarité entre deux ensembles de données. Il peut aller de 0 à 1. Plus le nombre est élevé, plus les deux ensembles de données sont similaires.

L’indice de similarité Jaccard est calculé comme suit :

Similitude Jaccard = (nombre d’observations dans les deux ensembles) / (nombre dans l’un ou l’autre ensemble)

Ou, écrit sous forme de notation :

J(UNE, B) = |UNE∩B| / |UNE∪B|

Ce tutoriel explique comment calculer la similarité Jaccard pour deux ensembles de données dans R.

Exemple : similarité Jaccard dans R

Supposons que nous disposions des deux ensembles de données suivants :

a <- c(0, 1, 2, 5, 6, 8, 9)
b <- c(0, 2, 3, 4, 5, 7, 9)

Nous pouvons définir la fonction suivante pour calculer la similarité Jaccard entre les deux ensembles :

#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

La similarité Jaccard entre les deux listes est de 0,4 .

Notez que la fonction renverra 0 si les deux ensembles ne partagent aucune valeur :

c <- c(0, 1, 2, 3, 4, 5)
d <- c(6, 7, 8, 9, 10)

jaccard(c, d)

[1] 0

Et la fonction retournera 1 si les deux ensembles sont identiques :

e <- c(0, 1, 2, 3, 4, 5)
f <- c(0, 1, 2, 3, 4, 5)

jaccard(e, f)

[1] 1

La fonction fonctionne également pour les ensembles contenant des chaînes :

g <- c('cat', 'dog', 'hippo', 'monkey')
h <- c('monkey', 'rhino', 'ostrich', 'salmon')

jaccard(g, h)

0.142857

Vous pouvez également utiliser cette fonction pour trouver la distance Jaccard entre deux ensembles, qui est la dissimilarité entre deux ensembles et est calculée comme 1 – Similitude Jaccard.

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

Reportez-vous à cette page Wikipédia pour en savoir plus sur l’indice de similarité Jaccard.