Як розрахувати подібність jaccard у python

Індекс подібності Жаккара вимірює подібність між двома наборами даних. Він може варіюватися від 0 до 1. Чим вище число, тим схожішими є два набори даних.

Індекс подібності Жаккара розраховується наступним чином:

Подібність Жаккара = (кількість спостережень в обох наборах) / (число в будь-якому наборі)

Або, записане у формі позначення:

J(A, B) = |A∩B| / |A∪B|

Цей підручник пояснює, як обчислити подібність Jaccard для двох наборів даних у Python.

Приклад: подібність Jaccard у Python

Припустимо, ми маємо наступні два набори даних:

 import numpy as np

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

Ми можемо визначити наступну функцію для обчислення подібності Жаккара між двома наборами:

 #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

Подібність Жаккара між двома списками становить 0,4 .

Зауважте, що функція поверне 0 , якщо два набори не мають спільних значень:

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

jaccard(c, d)

0.0

І функція поверне 1 , якщо два набори ідентичні:

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

jaccard(e, f)

1.0

Функція також працює для наборів, що містять рядки:

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

jaccard(g, h)

0.142857

Ви також можете використовувати цю функцію, щоб знайти відстань Жаккара між двома наборами, яка є різницею між двома наборами та обчислюється як 1 – Подібність Жаккара.

 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

Пов’язане: Як обчислити подібність Жаккара в R

Зверніться до цієї сторінки у Вікіпедії , щоб дізнатися більше про індекс подібності Жаккара.