Cara menghitung kesamaan jaccard dengan python

Indeks kesamaan Jaccard mengukur kesamaan antara dua kumpulan data. Nilainya bisa berkisar dari 0 hingga 1. Semakin tinggi angkanya, semakin mirip kedua kumpulan data tersebut.

Indeks kesamaan Jaccard dihitung sebagai berikut:

Kesamaan Jaccard = (jumlah observasi di kedua set) / (jumlah di salah satu set)

Atau ditulis dalam bentuk notasi:

J(A, B) = |A∩B| / |A∪B|

Tutorial ini menjelaskan cara menghitung kesamaan Jaccard untuk dua dataset dengan Python.

Contoh: Kemiripan Jaccard dengan Python

Misalkan kita memiliki dua kumpulan data berikut:

 import numpy as np

a = [0, 1, 2, 5, 6, 8, 9]
b = [0, 2, 3, 4, 5, 7, 9]

Kita dapat mendefinisikan fungsi berikut untuk menghitung kesamaan Jaccard antara dua himpunan:

 #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

Kemiripan Jaccard antara kedua daftar tersebut adalah 0,4 .

Perhatikan bahwa fungsi tersebut akan mengembalikan 0 jika kedua set tidak memiliki nilai yang sama:

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

jaccard(c, d)

0.0

Dan fungsinya akan mengembalikan 1 jika kedua himpunan tersebut identik:

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

jaccard(e, f)

1.0

Fungsi ini juga berfungsi untuk set yang berisi string:

 g = ['cat', 'dog', 'hippo', 'monkey']
h = ['monkey', 'rhino', 'ostrich', 'salmon']

jaccard(g, h)

0.142857

Anda juga dapat menggunakan fungsi ini untuk mencari jarak Jaccard antara dua himpunan, yang merupakan ketidaksamaan antara dua himpunan dan dihitung sebagai 1 – Kesamaan 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

Terkait: Cara menghitung kesamaan Jaccard di R

Lihat halaman Wikipedia ini untuk mempelajari lebih lanjut tentang Indeks Kesamaan Jaccard.