R语言利用Jaccard距离聚类

Jaccard系数与Jaccard距离

Jaccard 系数定义为A与B交集的大小与A与B并集的大小的比值。
Jaccard系数为相似度的指标，系数越大，相似度越高

与Jaccard系数相关的指标为Jaccard距离。
Jaccard距离为相异性的指标，系数越大，差异越大。

什么时候应该用Jaccard距离

• 分类变量
• 使用独热编码
• 例如比较不同对象的用药方案的相似和相异性

R 语言实现方法

d=dist(as.matrix(df_med),method="Jaccard")
class(d)
# dist接受的是矩阵，不是data.table
hcl=hclust(d,"single") #使用最短距离聚类
hcl
cbind(hcl$merge,hcl$height)
plot(hcl) # 画出聚类的树状图
label=cutree(hcl,k=3) #提取分组
label