Python'da jaccard benzerliği nasıl hesaplanır

Jaccard benzerlik indeksi iki veri kümesi arasındaki benzerliği ölçer. 0 ila 1 arasında değişebilir. Sayı ne kadar yüksek olursa, iki veri kümesi de o kadar benzer olur.

Jaccard benzerlik indeksi şu şekilde hesaplanır:

Jaccard benzerliği = (her iki kümedeki gözlem sayısı) / (her iki kümedeki sayı)

Veya notasyon biçiminde yazılmış:

J(A, B) = |A∩B| / |A∪B|

Bu eğitimde Python’da iki veri kümesi için Jaccard benzerliğinin nasıl hesaplanacağı açıklanmaktadır.

Örnek: Python’daki Jaccard benzerliği

Aşağıdaki iki veri kümesine sahip olduğumuzu varsayalım:

 import numpy as np

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

İki küme arasındaki Jaccard benzerliğini hesaplamak için aşağıdaki fonksiyonu tanımlayabiliriz:

 #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

İki liste arasındaki Jaccard benzerliği 0,4’tür .

İki küme hiçbir değeri paylaşmıyorsa işlevin 0 döndüreceğini unutmayın:

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

jaccard(c, d)

0.0

Ve eğer iki küme aynıysa fonksiyon 1 değerini döndürecektir:

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

jaccard(e, f)

1.0

İşlev aynı zamanda dizeleri içeren kümeler için de çalışır:

 g = ['cat', 'dog', 'hippo', 'monkey']
h = ['monkey', 'rhino', 'ostrich', 'salmon']

jaccard(g, h)

0.142857

Bu fonksiyonu iki set arasındaki farklılık olan ve 1 – Jaccard Benzerliği olarak hesaplanan iki set arasındaki Jaccard mesafesini bulmak için de kullanabilirsiniz.

 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

İlgili: R’de Jaccard benzerliği nasıl hesaplanır

Jaccard Benzerlik Endeksi hakkında daha fazla bilgi edinmek için bu Wikipedia sayfasına bakın.