Jaccard

与余弦相似度一样，jaccard系数也适用于衡量两个集合之间的区分度。

现有集合A,B

jaccard系数：J(A,B)=|A∩B|/|A∪B|            （1）

jaccard距离：=1-J(A,B)=(|A∪B|-|A∩B|)/|A∪B|            （2）

jaccard距离是与jaccard系数相反的概念。jaccard系数越大，二者越相似；而jaccard距离越大，二者越不相似。

有说：jaccard系数主要是处理非对称二元属性

非对称二元属性在上一个小问题中解释了。但是我想要提一句我自己的想法（可以帮助理解对称与非对称）：这里的对称是针对属性，不是相似度。例如，我们可以说余弦相似度是属于对称的相似度，因为D（A,B）=D（B，A）的。

对于非对称二元属性来讲，属性的0,1两个状态的权重是不一样的，通俗一点说，就是两个状态的重要性不一样。按照惯例，通常将重要的状态取值为一。举个例子，HIV检测结果为阴性和阳性，阴性出现的很多很常见，而阳性的检测结果却相对很少，所以总体讲阳性的检测结果稀少而重要（其实自己感觉也可以感觉出来），而阴性相对不那么重要。可以看出来这里HIV检测结果就是一个非对称二元属性。HIV（阳性）取1，HIV（阴性）取0。

对于两个二元属性的取值的比较有下面几种情况：

p：（1,1）二者同时取1的次数

q：（1,0）

t：（0,1）

s：（0,0）

由于（0,0）负匹配的情况是不重要的，我们计算的时候会省略，所以有

jaccard系数=p/(p+q+t)；            （3）

其实当我们把某属性存在看为1，不存在看为0,就可以理解公式（1）和公式（3）。