距离度量 —— 杰卡德距离（Jaccard Distance）

Python学习系列文章： 目录 

文章目录

• • 一、概述
  • 二、计算公式
  • • ① 杰卡德相似系数
    • ② 杰卡德距离

杰卡德距离（Jaccard Distance），是用来衡量两个集合差异性的一种指标，它是杰卡德相似系数的补集。

杰卡德相似系数（Jaccard similarity coefficient）：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，用符号 J ( A , B ) J(A,B) J(A,B) 表示，则其表达式为： J ( A , B ) = ∣ A ∩ B ∣ ∣ A ∪ B ∣ J(A,B)=frac{|Acap B|}{|Acup B| } J(A,B)=∣A∪B∣∣A∩B∣​

杰卡德距离（Jaccard Distance）：与杰卡德相似系数相反，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。杰卡德距离的表达式为： J δ ( A , B ) = 1 − J ( A , B ) = ∣ A ∪ B ∣ − ∣ A ∩ B ∣ ∣ A ∪ B ∣ J_{delta}(A,B)=1-J(A,B)=frac{|Acup B|-|Acap B|}{|Acup B|} Jδ​(A,B)=1−J(A,B)=∣A∪B∣∣A∪B∣−∣A∩B∣​