Comment calculer la similarité Jaccard en Python

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 en Python.

Exemple : similarité Jaccard en Python

Supposons que nous disposions des deux ensembles de données suivants :

import numpy as np

a = [0, 1, 2, 5, 6, 8, 9]
b = [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
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

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 = [0, 1, 2, 3, 4, 5]
d = [6, 7, 8, 9, 10]

jaccard(c, d)

0.0

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

e = [0, 1, 2, 3, 4, 5]
f = [0, 1, 2, 3, 4, 5]

jaccard(e, f)

1.0

La fonction fonctionne également pour les ensembles contenant des chaînes :

g = ['cat', 'dog', 'hippo', 'monkey']
h = ['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 = [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

Connexes :Comment calculer la similarité de Jaccard dans R

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