Python SciPy distance.jaccard用法及代码示例

本文简要介绍 python 语言中 scipy.spatial.distance.jaccard 的用法。

用法:

scipy.spatial.distance.jaccard(u, v, w=None)#

计算两个布尔一维数组之间的Jaccard-Needham 差异。

一维布尔数组 u 和 v 之间的Jaccard-Needham 差异定义为

\[\frac{c_{TF} + c_{FT}} {c_{TT} + c_{FT} + c_{TF}}\]

其中 \(c_{ij}\) 是 \(\mathtt{u[k]} = i\) 和 \(\mathtt{v[k]} = j\) 对于 \(k < n\) 的出现次数。

参数 ：：

u： (N,) 数组, bool

输入数组。

v： (N,) 数组, bool

输入数组。

w： (N,) 数组, 可选

u 和 v 中每个值的权重。默认为 None，这使每个值的权重为 1.0

返回 ：：

jaccard： 双倍的

向量 u 和 v 之间的 Jaccard 距离。

注意：

当两个u和v导致一个0/0除法，即向量中的项目之间没有重叠，返回的距离为 0。请参阅 Jaccard 索引上的 Wikipedia 页面[1], 而这篇论文[2].

参考：

[1]

https://en.wikipedia.org/wiki/Jaccard_index

[2]

S. Kosub，“关于 Jaccard 距离的三角不等式的注释”，2016 年，arXiv:1612.02696

例子：

>>> from scipy.spatial import distance
>>> distance.jaccard([1, 0, 0], [0, 1, 0])
1.0
>>> distance.jaccard([1, 0, 0], [1, 1, 0])
0.5
>>> distance.jaccard([1, 0, 0], [1, 2, 0])
0.5
>>> distance.jaccard([1, 0, 0], [1, 1, 1])
0.66666666666666663