<\/p>\n
Indeks podobie\u0144stwa Jaccarda<\/strong> jest miar\u0105 podobie\u0144stwa mi\u0119dzy dwoma zbiorami danych.<\/span><\/p>\n Opracowany przez Paula Jaccarda<\/a> indeks ma zakres od 0 do 1. Im jest on bli\u017cszy 1, tym bardziej podobne s\u0105 oba zbiory danych.<\/span><\/p>\n Wska\u017anik podobie\u0144stwa Jaccarda oblicza si\u0119 w nast\u0119puj\u0105cy spos\u00f3b:<\/span><\/p>\n Podobie\u0144stwo Jaccarda<\/strong> = (liczba obserwacji w obu zbiorach) \/ (liczba w ka\u017cdym zbiorze)<\/span><\/p>\n Lub zapisane w formie notacji:<\/span><\/p>\n J(A, B) =<\/strong> |A\u2229B| \/ |A\u222aB|<\/span><\/p>\n Je\u015bli dwa zbiory danych maj\u0105 dok\u0142adnie te same elementy, ich indeks podobie\u0144stwa Jaccarda wyniesie 1. I odwrotnie, je\u015bli nie maj\u0105 wsp\u00f3lnych element\u00f3w, ich podobie\u0144stwo wyniesie 0.<\/span><\/p>\n Poni\u017csze przyk\u0142ady pokazuj\u0105, jak obliczy\u0107 wska\u017anik podobie\u0144stwa Jaccarda dla kilku r\u00f3\u017cnych zbior\u00f3w danych.<\/span><\/p>\n Za\u0142\u00f3\u017cmy, \u017ce mamy nast\u0119puj\u0105ce dwa zestawy danych:<\/span><\/p>\n Aby obliczy\u0107 podobie\u0144stwo Jaccarda mi\u0119dzy nimi, najpierw znajdujemy ca\u0142kowit\u0105 liczb\u0119 obserwacji w obu zbiorach, a nast\u0119pnie dzielimy przez ca\u0142kowit\u0105 liczb\u0119 obserwacji w ka\u017cdym zbiorze:<\/span><\/p>\n Indeks podobie\u0144stwa Jaccarda wynosi 0,4<\/strong> .<\/span><\/p>\n Za\u0142\u00f3\u017cmy, \u017ce mamy nast\u0119puj\u0105ce dwa zestawy danych:<\/span><\/p>\n Aby obliczy\u0107 podobie\u0144stwo Jaccarda mi\u0119dzy nimi, najpierw znajdujemy ca\u0142kowit\u0105 liczb\u0119 obserwacji w obu zbiorach, a nast\u0119pnie dzielimy przez ca\u0142kowit\u0105 liczb\u0119 obserwacji w ka\u017cdym zbiorze:<\/span><\/p>\n Indeks podobie\u0144stwa Jaccarda okazuje si\u0119 wynosi\u0107 0<\/strong> . Oznacza to, \u017ce oba zbiory danych nie maj\u0105 wsp\u00f3lnych element\u00f3w cz\u0142onkowskich.<\/span><\/p>\n Nale\u017cy pami\u0119ta\u0107, \u017ce indeksu podobie\u0144stwa Jaccarda mo\u017cemy tak\u017ce u\u017cywa\u0107 w przypadku zbior\u00f3w danych zawieraj\u0105cych znaki, a nie liczby.<\/span><\/p>\n Za\u0142\u00f3\u017cmy na przyk\u0142ad, \u017ce mamy nast\u0119puj\u0105ce dwa zestawy danych:<\/span><\/p>\n Aby obliczy\u0107 podobie\u0144stwo Jaccarda mi\u0119dzy nimi, najpierw znajdujemy ca\u0142kowit\u0105 liczb\u0119 obserwacji w obu zbiorach, a nast\u0119pnie dzielimy przez ca\u0142kowit\u0105 liczb\u0119 obserwacji w ka\u017cdym zbiorze:<\/span><\/p>\n Indeks podobie\u0144stwa Jaccarda wynosi 0,142857<\/strong> . Liczba ta jest do\u015b\u0107 niska, co oznacza, \u017ce te dwa zestawy s\u0105 zupe\u0142nie r\u00f3\u017cne.<\/span><\/p>\n Odleg\u0142o\u015b\u0107 Jaccarda<\/strong> mierzy<\/span> odmienno\u015b\u0107<\/i> mi\u0119dzy dwoma zbiorami danych i jest obliczana w nast\u0119puj\u0105cy spos\u00f3b:<\/span><\/span><\/p>\n Odleg\u0142o\u015b\u0107 Jaccarda = 1 \u2013 Podobie\u0144stwo Jaccarda<\/span><\/p>\n Pomiar ten daje nam wyobra\u017cenie o tym, jak r\u00f3\u017cne s\u0105 dwa zestawy danych lub jak bardzo si\u0119 r\u00f3\u017cni\u0105<\/em> .<\/span><\/p>\n Na przyk\u0142ad, je\u015bli dwa zbiory danych maj\u0105 podobie\u0144stwo Jaccarda wynosz\u0105ce 80%, w\u00f3wczas odleg\u0142o\u015b\u0107 Jaccarda b\u0119dzie wynosi\u0107 1 \u2013 0,8 = 0,2 lub 20%.<\/span><\/p>\n Poni\u017csze samouczki wyja\u015bniaj\u0105, jak obliczy\u0107 podobie\u0144stwo Jaccarda przy u\u017cyciu r\u00f3\u017cnych program\u00f3w statystycznych:<\/span><\/p>\n Jak obliczy\u0107 podobie\u0144stwo Jaccarda w R<\/a> Indeks podobie\u0144stwa Jaccarda jest miar\u0105 podobie\u0144stwa mi\u0119dzy dwoma zbiorami danych. Opracowany przez Paula Jaccarda indeks ma zakres od 0 do 1. Im jest on bli\u017cszy 1, tym bardziej podobne s\u0105 oba zbiory danych. Wska\u017anik podobie\u0144stwa Jaccarda oblicza si\u0119 w nast\u0119puj\u0105cy spos\u00f3b: Podobie\u0144stwo Jaccarda = (liczba obserwacji w obu zbiorach) \/ (liczba w ka\u017cdym zbiorze) Lub […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-1311","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"yoast_head":"\n Przyk\u0142ad 1: Podobie\u0144stwo Jaccarda<\/strong><\/span><\/h3>\n
A = [0, 1, 2, 5, 6, 8, 9]\nB = [0, 2, 3, 4, 5, 7, 9]<\/strong><\/pre>\n
\n
Przyk\u0142ad 2: Podobie\u0144stwo Jaccarda (ci\u0105g dalszy)<\/strong><\/span><\/h3>\n
C = [0, 1, 2, 3, 4, 5]\nD = [6, 7, 8, 9, 10]<\/strong><\/pre>\n
\n
Przyk\u0142ad 3: Podobie\u0144stwo Jaccarda dla postaci<\/strong><\/span><\/h3>\n
E = ['cat', 'dog', 'hippo', 'monkey']\nF = ['monkey', 'rhino', 'ostrich', 'salmon']<\/strong><\/pre>\n
\n
Odleg\u0142o\u015b\u0107 Jaccarda<\/strong><\/span><\/h3>\n
Dodatkowe zasoby<\/strong><\/span><\/h3>\n
Jak obliczy\u0107 podobie\u0144stwo Jaccarda w Pythonie<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"