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.