如何在r中计算jaccard相似度

Jaccard 相似度指数衡量两个数据集之间的相似度。它的范围可以是 0 到 1。数字越大，两组数据越相似。

Jaccard相似指数计算如下：

杰卡德相似度=（两组中的观察值数量）/（任意一组中的观察值数量）

或者，写成记号形式：

J(A, B) = |A∩B| / |A∪B|

本教程介绍如何在 R 中计算两个数据集的 Jaccard 相似度。

示例：R 中的 Jaccard 相似度

假设我们有以下两组数据：

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

我们可以定义以下函数来计算两个集合之间的Jaccard相似度：

 #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

两个列表之间的 Jaccard 相似度为0.4 。

请注意，如果两个集合没有共享值，该函数将返回0 ：

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

jaccard(c, d)

[1] 0

如果两个集合相同，该函数将返回1 ：

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

jaccard(e, f)

[1] 1

该函数也适用于包含字符串的集合：

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

jaccard(g, h)

0.142857

您还可以使用此函数查找两个集合之间的杰卡德距离，即两个集合之间的差异，计算公式为 1 – 杰卡德相似度。

 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

请参阅此维基百科页面以了解有关杰卡德相似度指数的更多信息。