Come calcolare la somiglianza di jaccard in r

L’ indice di somiglianza Jaccard misura la somiglianza tra due set di dati. Può variare da 0 a 1. Più alto è il numero, più simili sono i due insiemi di dati.

L’indice di somiglianza di Jaccard è calcolato come segue:

Somiglianza di Jaccard = (numero di osservazioni in entrambi gli insiemi) / (numero in entrambi gli insiemi)

Oppure, scritto in forma di notazione:

J(A, B) = |A∩B| / |A∪B|

Questo tutorial spiega come calcolare la somiglianza di Jaccard per due set di dati in R.

Esempio: somiglianza di Jaccard in R

Supponiamo di avere i seguenti due insiemi di dati:

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

Possiamo definire la seguente funzione per calcolare la somiglianza di Jaccard tra i due insiemi:

 #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 somiglianza Jaccard tra le due liste è 0,4 .

Tieni presente che la funzione restituirà 0 se i due insiemi non condividono valori:

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

jaccard(c, d)

[1] 0

E la funzione restituirà 1 se i due insiemi sono identici:

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

jaccard(e, f)

[1] 1

La funzione funziona anche per insiemi contenenti stringhe:

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

jaccard(g, h)

0.142857

Puoi anche utilizzare questa funzione per trovare la distanza Jaccard tra due insiemi, che è la dissomiglianza tra due insiemi e viene calcolata come 1 – Somiglianza 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

Fare riferimento a questa pagina di Wikipedia per saperne di più sull’indice di somiglianza di Jaccard.