위키득계정 ↗
과학

자카드 유사도

자카드 유사도과학
영문명
Jaccard similarity
계산식
교집합 크기 / 합집합 크기
완전 일치
유사도 1
대응하는 비유사도
1 - 자카드 유사도
자카드 유사도는 두 집합의 합집합 가운데 교집합이 차지하는 비율이다. 공통으로 가진 원소가 전체 서로 다른 원소 중 얼마나 되는지 나타내며, 비어 있지 않은 합집합에 대해 0과 1 사이의 값을 갖는다.

직접 계산하는 예

A={1, 2, 3}, B={2, 3, 4, 5}라면 공통 원소는 2와 3이다. 합집합은 1부터 5까지 다섯 원소이므로 자카드 유사도는 2/5다. 공통 원소 두 개를 더 작은 집합의 크기인 3으로 나누는 계산은 다른 지표가 된다.

함께 없다는 사실은 세지 않는다

전체 후보 원소의 유무를 참과 거짓으로 표시할 때 자카드 유사도는 둘 다 거짓인 항목을 계산에 넣지 않는다. 두 사람이 모두 선택하지 않은 수많은 항목을 더해도 선택한 항목의 겹침은 변하지 않는다. 무엇을 가진 집합인지가 비교의 중심이 된다.

빈 집합을 비교할 때

두 집합이 모두 비어 있으면 교집합과 합집합의 크기가 함께 0이 되어 기본 식을 바로 계산할 수 없다. 이 경우 별도의 규약이 필요하다. 예를 들어 SciPy의 자카드 비유사도는 두 영벡터에 대해 0으로 정의하므로 대응하는 유사도는 1이다.

집합으로 바꾸며 잃는 정보

일반적인 집합은 중복 횟수와 순서를 보관하지 않는다. 같은 단어가 한 번 나온 문서와 열 번 나온 문서를 단어 집합으로만 바꾸면 빈도 차이가 사라진다. 따라서 자카드 유사도를 이용하기 전에 단어, 연속 구간 등 무엇을 원소로 삼을지 정해야 한다.

관련 문서

집합 / 교집합 / 합집합 / 미니해시 / 미니해시 LSH / 해밍 거리