Hoe jaccard-gelijkenis in r 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 R kunt berekenen.

Voorbeeld: Jaccard-overeenkomst in R

Stel dat we de volgende twee sets gegevens hebben:

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

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

jaccard(c, d)

[1] 0

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

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

jaccard(e, f)

[1] 1

De functie werkt ook voor sets die strings bevatten:

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

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