Jaccard相似系数

最新推荐文章于 2023-12-17 17:10:08 发布

sunhua93

最新推荐文章于 2023-12-17 17:10:08 发布

阅读量1k

点赞数

原文链接：https://blog.csdn.net/qq_34333481/article/details/84024513

版权

本文链接： https://blog.csdn.net/qq_34333481/article/details/84024513

Jaccard相似系数

定义

给定两个集合A,B，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，定义如下：

当集合A，B都为空时，J(A,B)定义为1。

与Jaccard 系数相关的指标叫做Jaccard 距离，用于描述集合之间的不相似度。Jaccard 距离越大，样本相似度越低。公式定义如下：

其中对参差（symmetric difference）

性质

实例

主要用于计算符号度量或布尔值度量的个体间的相似度，因为个体的特征属性都是由符号度量或者布尔值标识，因此无法衡量差异具体值的大小，只能获得“是否相同”这个结果，所以Jaccard系数只关心个体间共同具有的特征是否一致这个问题。

1、如果比较X与Y的Jaccard相似系数，只比较xn和yn中相同的个数，公式如下：
如集合A={1,2,3,4};B={3,4,5,6};
那么他们的J(X,Y)=1{3,4}/1{1,2,3,4,5,6}=1/3;

2、样本A与样本B是两个n维向量，而且所有维度的取值都是0或1。例如：A(0111)和B(1011)。我们将样本看成是一个集合，1表示集合包含该元素，0表示集合不包含该元素。

概念浅析：假设A是坚果Pro2 , B是苹果8x。为了比较两个手机，给出了n个评价指标，即n维特征，也就是n维向量：1-是国产、2-有刘海、3-价格高于5000。那么对于A=（100），B=（011）。所以，n维向量指样本的N维特征，组成一个集合。而集合是由元素组成的，在对应的特征位置，如果样本有该特征，这个位置集合值取1，表示包含该元素；否则，取0，表示不包含该元素。可见，元素=特征。

P：样本A与B都是1的维度的个数

q：样本A是1，样本B是0的维度的个数

r：样本A是0，样本B是1的维度的个数

s：样本A与B都是0的维度的个数

那么样本A与B的杰卡德相似系数可以表示为：

这里p+q+r可理解为A与B的并集的元素个数，而p是A与B的交集的元素个数。

而样本A与B的杰卡德系数表示为：

代码

直接调包


 
 
   
   
    
    
   
   
   
   
    
    
     
     from numpy 
     
     import *
    
    
   
   

   
   
    
    
   
   
   
   
    
    
     
     import scipy.spatial.distance 
     
     as dist  
     
     # 导入scipy距离公式
    
    
   
   

   
   
    
    
   
   
   
   
    
    
     
     matV = mat([[
     
     1,
     
     1,
     
     0,
     
     1,
     
     0,
     
     1,
     
     0,
     
     0,
     
     1],[
     
     0,
     
     1,
     
     1,
     
     0,
     
     0,
     
     0,
     
     1,
     
     1,
     
     1]])
    
    
   
   

   
   
    
    
   
   
   
   
    
    
     
     print (
     
     "dist.jaccard:", dist.pdist(matV,
     
     'jaccard'))