Berechnen des Jaccard-Koeffizienten in Python

Der Jaccard-Index oder Jaccard-Koeffizient misst die Ähnlichkeit zwischen zwei DatenDatensätzen. Sie kann zwischen 0 und 1 liegen. Je höher die Zahl, desto ähnlicher sind die beiden Datensätze.

Der Jaccard-Koeffizient wird berechnet als:

Jaccard-Koeffizient = (Anzahl der Beobachtungen in beiden DatenDatensätzen) / (Anzahl in beiden DatenDatensätzen)

Oder in Notationsform geschrieben:

J (A, B) = | A∩B | / | A∪B |

In diesem Tutorial wird erläutert, wie die Jaccard-Koeffizient für zwei Datensätze in Python berechnet wird.

Beispiel: Jaccard-Koeffizient in Python

Angenommen, wir haben die folgenden zwei Datensätze:

import numpy as np

a = [0, 1, 2, 5, 6, 8, 9]
b = [0, 2, 3, 4, 5, 7, 9]

Wir können die folgende Funktion definieren, um die Jaccard-Koeffizient zwischen den beiden Datensätzen zu berechnen:

#Definition des Jaccard Koeffizienten
def jaccard(list1, list2):
    intersection = len(list(set(list1).intersection(list2)))
    union = (len(list1) + len(list2)) - intersection
    return float(intersection) / union

#Finden der Jaccard Ähnlichkeit zwischen den beiden Datensätzen 
jaccard(a, b)
0.4

Der Jaccard-Koeffizient zwischen den beiden Listen beträgt 0,4.

Beachten Sie, dass die Funktion 0 zurückgibt, wenn die beiden Datensätze keine gemeinsamen Werte haben:

c = [0, 1, 2, 3, 4, 5]
d = [6, 7, 8, 9, 10]

jaccard(c, d)
0.0

Und die Funktion gibt 1 zurück, wenn die beiden Datensätze identisch sind:

e = [0, 1, 2, 3, 4, 5]
f = [0, 1, 2, 3, 4, 5]

jaccard(e, f)
1.0

Die Funktion funktioniert auch für Mengen, die Zeichenfolgen enthalten:

g = ['cat', 'dog', 'hippo', 'monkey']
h = ['monkey', 'rhino', 'ostrich', 'salmon']

jaccard(g, h)
0.142857

Sie können diese Funktion auch verwenden, um den Jaccard-Koeffizient zwischen zwei Datensätzen zu ermitteln. Dies ist die Unähnlichkeit zwischen zwei Datensätzen und wird als 1 – Jaccard-Koeffizient berechnet.

a = [0, 1, 2, 5, 6, 8, 9]
b = [0, 2, 3, 4, 5, 7, 9]

#Jaccard-Koeffizient zwischen den Datensätzen a und b finden
1 - jaccard(a, b)
0,6

Weitere Informationen zum Jaccard-Ähnlichkeitsindex finden Sie auf dieser Wikipedia-Seite.

Verwandte Artikel: So erstellen Sie eine Kovarianzmatrix in Python So erstellen Sie eine Korrelationsmatrix in Python
So berechnen Sie die partielle Korrelation in Python