python中的Jaccard相似度答案

【问题标题】：Jaccard similarity in pythonpython中的Jaccard相似度
【发布时间】：2018-01-02 23:18:58
【问题描述】：

我正在尝试找出两个文档之间的 jaccard 相似性。但是，我很难理解函数 sklearn.metrics.jaccard_similarity_score() 在幕后是如何工作的。根据我的理解，Jaccard 的 sim = 文档中术语的交集/文档中术语的联合。

考虑下面的例子：我对这两个文件的 DTM 是：

array([[1, 1, 1, 1, 2, 0, 1, 0],
       [2, 1, 1, 0, 1, 1, 0, 1]], dtype=int64)

高于功能。给我jaccard sim分数

print(sklearn.metrics.jaccard_similarity_score(tf_matrix[0,:],tf_matrix[1,:]))
0.25

我正在尝试自己找到分数：

intersection of terms in both the docs = 4
total terms in doc 1 = 6
total terms in doc 2 = 6
Jaccard = 4/(6+6-4)= .5

有人可以帮助我了解我是否在这里遗漏了一些明显的东西。

【问题讨论】：

【解决方案1】：

据我了解

两个文档中术语的交集 = 2。

peek to peek 交点根据各自的索引。因为我们需要为我们的模型预测正确的值。

Normal Intersection = 4. 离开索引的顺序。

# so,
jaccard_score = 2/(6+6-4) = 0.25

【讨论】：

【解决方案2】：

如here所述：

在二分类和多分类中，Jaccard 相似系数得分等于分类准确率。

因此，在您的示例中，它正在计算匹配元素的比例。这就是为什么你会得到 0.25 作为结果。

【讨论】：