El índice de similitud de Jaccard mide la similitud entre dos conjuntos de datos. Puede variar de 0 a 1. Cuanto mayor sea el número, más similares serán los dos conjuntos de datos.
El índice de similitud de Jaccard se calcula como:
Similitud Jaccard = (número de observaciones en ambos conjuntos) / (número en cualquiera de los conjuntos)
O, escrito en forma de notación:
J (A, B) = | A∩B | / | A∪B |
Este tutorial explica cómo calcular la similitud de Jaccard para dos conjuntos de datos en R.
Ejemplo: similitud de Jaccard en R
Supongamos que tenemos los siguientes dos conjuntos de datos:
a <- c (0, 1, 2, 5, 6, 8, 9) b <- c (0, 2, 3, 4, 5, 7, 9)
Podemos definir la siguiente función para calcular la similitud Jaccard entre los dos conjuntos:
#define Jaccard Similarity function
jaccard <- function (a, b) {
intersección = longitud ( intersección (a, b))
unión = longitud (a) + longitud (b) -
retorno de intersección (intersección / unión)
}
#Encuentre la similitud Jaccard entre los dos conjuntos
jaccard (a, b)
0.4
La similitud de Jaccard entre las dos listas es 0,4 .
Tenga en cuenta que la función devolverá 0 si los dos conjuntos no comparten ningún valor:
c <- c (0, 1, 2, 3, 4, 5) d <- c (6, 7, 8, 9, 10) jaccard (c, d) [1] 0
Y la función devolverá 1 si los dos conjuntos son idénticos:
e <- c (0, 1, 2, 3, 4, 5) f <- c (0, 1, 2, 3, 4, 5) jaccard (e, f) [1] 1
La función también funciona para conjuntos que contienen cadenas:
g <- c (' gato ', ' perro ', ' hipopótamo ', ' mono ')
h <- c (' mono ', ' rinoceronte ', ' avestruz ', ' salmón ')
jaccard (g, h)
0.142857
También puede utilizar esta función para encontrar la distancia Jaccard entre dos conjuntos, que es la diferencia entre dos conjuntos y se calcula como 1 – Similitud Jaccard.
a <- c (0, 1, 2, 5, 6, 8, 9) b <- c (0, 2, 3, 4, 5, 7, 9) distancia #find Jaccard entre series una y b 1 - tarjeta jaccard (a, b) [1] 0,6
Consulte esta página de Wikipedia para obtener más detalles sobre el índice de similitud de Jaccard.
- https://r-project.org
- https://www.python.org/
- https://www.stata.com/
