Jak obliczyć podobieństwo jaccarda w r

Indeks podobieństwa Jaccarda mierzy podobieństwo między dwoma zbiorami danych. Może wynosić od 0 do 1. Im wyższa liczba, tym bardziej podobne są dwa zestawy danych.

Wskaźnik podobieństwa Jaccarda oblicza się w następujący sposób:

Podobieństwo Jaccarda = (liczba obserwacji w obu zbiorach) / (liczba w każdym zbiorze)

Lub zapisane w formie notacji:

J(A, B) = |A∩B| / |A∪B|

W tym samouczku wyjaśniono, jak obliczyć podobieństwo Jaccarda dla dwóch zbiorów danych w R.

Przykład: podobieństwo Jaccarda w R

Załóżmy, że mamy następujące dwa zestawy danych:

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

Możemy zdefiniować następującą funkcję, aby obliczyć podobieństwo Jaccarda między dwoma zbiorami:

 #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

Podobieństwo Jaccarda między tymi dwiema listami wynosi 0,4 .

Zauważ, że funkcja zwróci 0 , jeśli oba zbiory nie mają wspólnych wartości:

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

jaccard(c, d)

[1] 0

Funkcja zwróci 1 , jeśli dwa zbiory są identyczne:

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

jaccard(e, f)

[1] 1

Funkcja działa również dla zestawów zawierających ciągi znaków:

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

jaccard(g, h)

0.142857

Możesz także użyć tej funkcji, aby znaleźć odległość Jaccarda między dwoma zbiorami, która jest odmiennością między dwoma zbiorami i jest obliczana jako 1 – podobieństwo Jaccarda.

 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

Więcej informacji na temat indeksu podobieństwa Jaccarda można znaleźć na tej stronie Wikipedii .