Jak obliczyć podobieństwo jaccarda w pythonie

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 Pythonie.

Przykład: podobieństwo Jaccarda w Pythonie

Załóżmy, że mamy następujące dwa zestawy danych:

 import numpy as np

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

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

 #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

Podobieństwo Jaccarda między tymi dwiema listami wynosi 0,4 .

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

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

jaccard(c, d)

0.0

Funkcja zwróci 1 , jeśli dwa zbiory są identyczne:

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

jaccard(e, f)

1.0

Funkcja działa również dla zestawów zawierających ciągi znaków:

 g = ['cat', 'dog', 'hippo', 'monkey']
h = ['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 = [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

Powiązane: Jak obliczyć podobieństwo Jaccarda w R

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