Як обчислити подібність жаккара в r

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|

У цьому посібнику пояснюється, як обчислити подібність Жаккара для двох наборів даних у R.

Приклад: Подібність Жаккара в R

Припустимо, ми маємо наступні два набори даних:

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

Ми можемо визначити наступну функцію для обчислення подібності Жаккара між двома 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

Подібність Жаккара між двома списками становить 0,4 .

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

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

jaccard(c, d)

[1] 0

І функція поверне 1 , якщо два набори ідентичні:

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

jaccard(e, f)

[1] 1

Функція також працює для наборів, що містять рядки:

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

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