<\/p>\n
De Jaccard-gelijkenisindex<\/strong> is een maatstaf voor de gelijkenis tussen twee datasets.<\/span><\/p>\n De index is ontwikkeld door Paul Jaccard<\/a> en varieert van 0 tot 1. Hoe dichter deze bij 1 ligt, hoe meer de twee datasets op elkaar lijken.<\/span><\/p>\n De Jaccard-gelijkenisindex wordt als volgt berekend:<\/span><\/p>\n Jaccard-overeenkomst<\/strong> = (aantal waarnemingen in beide sets) \/ (aantal in beide sets)<\/span><\/p>\n Of, geschreven in notatievorm:<\/span><\/p>\n J(A, B) =<\/strong> |A\u2229B| \/ |A\u222aB|<\/span><\/p>\n Als twee datasets exact dezelfde leden delen, is hun Jaccard-gelijkenisindex 1. Omgekeerd, als ze geen gemeenschappelijke leden hebben, is hun gelijkenis 0.<\/span><\/p>\n De volgende voorbeelden laten zien hoe u de Jaccard-gelijkenisindex voor een aantal verschillende gegevenssets kunt berekenen.<\/span><\/p>\n Stel dat we de volgende twee sets gegevens hebben:<\/span><\/p>\n Om de Jaccard-overeenkomst tussen beide te berekenen, vinden we eerst het totale aantal observaties in beide sets en delen we dit vervolgens door het totale aantal observaties in elke set:<\/span><\/p>\n De Jaccard-gelijkenisindex blijkt 0,4<\/strong> te zijn.<\/span><\/p>\n Stel dat we de volgende twee sets gegevens hebben:<\/span><\/p>\n Om de Jaccard-overeenkomst tussen beide te berekenen, vinden we eerst het totale aantal observaties in beide sets en delen we dit vervolgens door het totale aantal observaties in elke set:<\/span><\/p>\n De Jaccard-gelijkenisindex blijkt 0<\/strong> te zijn. Dit geeft aan dat de twee datasets geen gemeenschappelijke leden delen.<\/span><\/p>\n Merk op dat we de Jaccard-gelijkenisindex ook kunnen gebruiken voor datasets die tekens bevatten in plaats van cijfers.<\/span><\/p>\n Stel dat we bijvoorbeeld de volgende twee sets gegevens hebben:<\/span><\/p>\n Om de Jaccard-overeenkomst tussen beide te berekenen, vinden we eerst het totale aantal observaties in beide sets en delen we dit vervolgens door het totale aantal observaties in elke set:<\/span><\/p>\n De Jaccard-gelijkenisindex blijkt 0,142857<\/strong> te zijn. Omdat dit aantal vrij laag is, geeft dit aan dat de twee sets behoorlijk verschillend zijn.<\/span><\/p>\n De<\/span> Jaccard-afstand<\/strong> meet de ongelijkheid<\/i> tussen twee datasets en wordt als volgt berekend:<\/span><\/span><\/p>\n Jaccard-afstand = 1 \u2013 Jaccard-gelijkenis<\/span><\/p>\n Deze meting geeft ons een idee van hoe verschillend twee sets gegevens zijn of hoe verschillend<\/em> ze zijn.<\/span><\/p>\n Als twee datasets bijvoorbeeld een Jaccard-overeenkomst van 80% hebben, hebben ze een Jaccard-afstand van 1 \u2013 0,8 = 0,2 of 20%.<\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u de Jaccard-gelijkenis kunt berekenen met behulp van verschillende statistische software:<\/span><\/p>\n Hoe Jaccard-gelijkenis in R te berekenen<\/a> De Jaccard-gelijkenisindex is een maatstaf voor de gelijkenis tussen twee datasets. De index is ontwikkeld door Paul Jaccard en varieert van 0 tot 1. Hoe dichter deze bij 1 ligt, hoe meer de twee datasets op elkaar lijken. De Jaccard-gelijkenisindex wordt als volgt berekend: Jaccard-overeenkomst = (aantal waarnemingen in beide sets) \/ (aantal in beide […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-1313","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n Voorbeeld 1: Jaccard-overeenkomst<\/strong><\/span><\/h3>\n
A = [0, 1, 2, 5, 6, 8, 9]\nB = [0, 2, 3, 4, 5, 7, 9]<\/strong><\/pre>\n
\n
Voorbeeld 2: Jaccard-overeenkomst (vervolg)<\/strong><\/span><\/h3>\n
C = [0, 1, 2, 3, 4, 5]\nD = [6, 7, 8, 9, 10]<\/strong><\/pre>\n
\n
Voorbeeld 3: Jaccard-overeenkomst voor karakters<\/strong><\/span><\/h3>\n
E = ['cat', 'dog', 'hippo', 'monkey']\nF = ['monkey', 'rhino', 'ostrich', 'salmon']<\/strong><\/pre>\n
\n
De Jaccard-afstand<\/strong><\/span><\/h3>\n
Aanvullende bronnen<\/strong><\/span><\/h3>\n
Hoe Jaccard-gelijkenis in Python te berekenen<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"