杰卡德相似系数
两个集合A和B的交集元素在A,B的并集中所占的比例,称为两个集合的杰卡德相似系数。
杰卡德相似系数是衡量两个集合的相似度一种指标。
代码
def jaccard_coefficient(a, b):
set_a = set(a)
set_b = set(b)
#set1 & set2求的是交集,就是共同拥有的元素
#set1 | set2求的是并集,相当于合并集合且不包括重复元素
distance = float(len(set_a & set_b)) / len(set_a | set_b)
return distance
print ('a,b 杰卡德相似系数:', jaccard_coefficient((1,2,3),(2,3,4)))
杰卡德距离
杰卡德距离用两个集合中不同元素占所有元素的比例来衡量两个集合的区分度。
代码
def jaccard_distance(a, b):
"""
杰卡德距离
"""
set_a = set(a)
set_b = set(b)
distance = float(len(set_a | set_b) - len(set_a & set_b)) / len(set_a | set_b)
return distance
print ('a,b 杰卡德距离:', jaccard_coefficient((1,2,3),(2,3,4)))
杰卡德相似系数与杰卡德距离的应用
杰卡德相似系数与杰卡德距离的应用可将杰卡德相似系数用在衡量样本的相似度上。
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。
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
而样本A与B的杰卡德距离表示为:
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。
总结
Jaccard距离=1-Jaccard相似系数