R'de 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, R’deki iki veri kümesi için Jaccard benzerliğinin nasıl hesaplanacağı açıklanmaktadır.

Örnek: R’deki Jaccard benzerliği

Aşağıdaki iki veri kümesine sahip olduğumuzu varsayalım:

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

İki küme arasındaki Jaccard benzerliğini hesaplamak için aşağıdaki fonksiyonu tanımlayabiliriz:

 #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

İki liste arasındaki Jaccard benzerliği 0,4’tür .

İki küme hiçbir değeri paylaşmıyorsa işlevin 0 döndüreceğini unutmayın:

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

jaccard(c, d)

[1] 0

Ve eğer iki küme aynıysa fonksiyon 1 değerini döndürecektir:

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

jaccard(e, f)

[1] 1

İşlev aynı zamanda dizeleri içeren kümeler için de çalışır:

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

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