Cara menghitung kesamaan jaccard di r

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 di R.

Contoh: Kesamaan Jaccard di R

Misalkan kita memiliki dua kumpulan data berikut:

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

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

 #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

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

jaccard(c, d)

[1] 0

Dan fungsinya akan mengembalikan 1 jika kedua himpunan tersebut identik:

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

jaccard(e, f)

[1] 1

Fungsi ini juga berfungsi untuk set yang berisi string:

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

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