Как рассчитать сходство жаккара в r

Индекс сходства Жаккара измеряет сходство между двумя наборами данных. Оно может находиться в диапазоне от 0 до 1. Чем выше число, тем более похожи два набора данных.

Индекс сходства Жаккара рассчитывается следующим образом:

Сходство Жаккара = (количество наблюдений в обоих наборах) / (количество в любом наборе)

Или, записанный в форме обозначений:

J(А, В) = |А∩В| / |А∪В|

В этом руководстве объясняется, как рассчитать сходство Жаккара для двух наборов данных в R.

Пример: сходство Жаккара в R.

Предположим, у нас есть следующие два набора данных:

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

Мы можем определить следующую функцию для расчета сходства Жаккара между двумя наборами:

 #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

Сходство Жаккара между двумя списками составляет 0,4 .

Обратите внимание, что функция вернет 0 , если два набора не имеют общих значений:

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

jaccard(c, d)

[1] 0

И функция вернет 1 , если два набора идентичны:

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

jaccard(e, f)

[1] 1

Функция также работает для наборов, содержащих строки:

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

jaccard(g, h)

0.142857

Вы также можете использовать эту функцию, чтобы найти расстояние Жаккара между двумя наборами, которое представляет собой несходство между двумя наборами и рассчитывается как 1 – сходство Жаккара.

 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

Обратитесь к этой странице Википедии , чтобы узнать больше об индексе сходства Жаккара.