Hoe jaccard-gelijkenis in python te berekenen

De Jaccard-gelijkenisindex meet de gelijkenis tussen twee datasets. Het kan variëren van 0 tot 1. Hoe hoger het getal, hoe meer de twee sets gegevens op elkaar lijken.

De Jaccard-gelijkenisindex wordt als volgt berekend:

Jaccard-overeenkomst = (aantal waarnemingen in beide sets) / (aantal in beide sets)

Of, geschreven in notatievorm:

J(A, B) = |A∩B| / |A∪B|

In deze zelfstudie wordt uitgelegd hoe u de Jaccard-overeenkomst voor twee gegevenssets in Python kunt berekenen.

Voorbeeld: Jaccard-overeenkomst in Python

Stel dat we de volgende twee sets gegevens hebben:

 import numpy as np

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

We kunnen de volgende functie definiëren om de Jaccard-overeenkomst tussen de twee sets te berekenen:

 #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

De Jaccard-overeenkomst tussen de twee lijsten is 0,4 .

Merk op dat de functie 0 retourneert als de twee sets geen waarden delen:

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

jaccard(c, d)

0.0

En de functie retourneert 1 als de twee sets identiek zijn:

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

jaccard(e, f)

1.0

De functie werkt ook voor sets die strings bevatten:

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

jaccard(g, h)

0.142857

U kunt deze functie ook gebruiken om de Jaccard-afstand tussen twee sets te vinden. Dit is het verschil tussen twee sets en wordt berekend als 1 – Jaccard-gelijkenis.

 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

Gerelateerd: Hoe Jaccard-overeenkomst in R te berekenen

Raadpleeg deze Wikipedia-pagina voor meer informatie over de Jaccard-gelijkenisindex.