Indice de Jaccard

Indice de Jaccard

Indice et distance de Jaccard

L'indice et la distance de Jaccard sont deux métriques utilisées en statistiques pour comparer la similarité et la diversité entre des échantillons. Elles sont nommées d'après le botaniste suisse Paul Jaccard.

Sommaire

Description formelle

L'indice de Jaccard (ou coefficient de Jaccard) est le rapport entre la cardinalité (la taille) de l'intersection des ensembles considérés et la cardinalité de l'union des ensembles. Il permet d'évaluer la similarité entre les ensembles. Soit deux ensembles A et B, l'indice est :

J(A,B) = \frac{|A \cap B|}{|A \cup B|}.

L'extension à n ensembles est triviale :

J(S_1, S_2, ..., S_n) = \frac{|S_1 \cap S_2 \cap ... \cap S_n |}{|S_1 \cup S_2 \cup ... \cup S_n |}.

La distance de Jaccard mesure la dissimilarité entre les ensembles. Elle consiste simplement à soustraire l'indice de Jaccard à 1.

J_{\delta}(A,B) = 1 - J(A,B) = { { |A \cup B| - |A \cap B| } \over |A \cup B| }.

De la même manière que pour l'indice, la généralisation devient :

J_{\delta}(S_1, S_2, ..., S_n) = 1 - J(S_1, S_2, ..., S_n) = \frac{|S_1 \cup S_2 \cup ... \cup S_n | - |S_1 \cap S_2 \cap ... \cap S_n |}{|S_1 \cup S_2 \cup ... \cup S_n |}.

Similarité entre des ensembles binaires

L'indice de Jaccard est utile pour étudier la similarité entre des objets constitués d'attributs binaires.

Soit deux séquences A et B, chacune avec n attributs binaires. Chaque attribut peut être à 0 ou 1. On a ainsi :

A = (a_1, a_2, ..., a_n)~
B = (b_1, b_2, ..., b_n)~

On définit plusieurs quantités qui caractérisent les deux ensembles :

M_{11}~ représente le nombre d'attributs qui valent 1 dans A et dans B
M_{01}~ représente le nombre d'attributs qui valent 0 dans A et 1 dans B
M_{10}~ représente le nombre d'attributs qui valent 1 dans A et 0 dans B
M_{00}~ représente le nombre d'attributs qui valent 0 dans A et dans B

Chaque paire d'attributs doit nécessairement appartenir à l'une des quatre catégories, de telle sorte que :

M_{11} + M_{01} + M_{10} + M_{00} = n ~.

L'indice de Jaccard devient :

J = {M_{11} \over M_{01} + M_{10} + M_{11}}

La distance de Jaccard devient:

J_{\delta} = {M_{01} + M_{10} \over M_{01} + M_{10} + M_{11}}

Exemple

A = (1,0,1,0,0,0,0)~
B = (1,0,0,1,0,1,1)~
M_{11} = 1 ~
M_{00} = 2 ~
M_{01} = 3 ~
M_{10} = 1 ~
J = \frac{1}{ 3 + 1 + 1} = 0,2
J_{\delta} = \frac{3+1}{ 3 + 1 + 1} = 0,8 = 1 - J

Voir aussi

Références

  • Pang-Ning Tan, Michael Steinbach and Vipin Kumar, Introduction to Data Mining (2005), ISBN 0-321-32136-7
  • Paul Jaccard (1901) Bulletin de la Société Vaudoise des Sciences Naturelles 37, 241-272.
  • Tanimoto, T.T. (1957) IBM Internal Report 17th Nov. 1957.

Liens externes

  • Portail des probabilités et des statistiques Portail des probabilités et des statistiques
Ce document provient de « Indice et distance de Jaccard ».

Wikimedia Foundation. 2010.

Contenu soumis à la licence CC-BY-SA. Source : Article Indice de Jaccard de Wikipédia en français (auteurs)

Игры ⚽ Поможем сделать НИР

Regardez d'autres dictionnaires:

  • Indice Et Distance De Jaccard — L indice et la distance de Jaccard sont deux métriques utilisées en statistiques pour comparer la similarité et la diversité entre des échantillons. Elles sont nommées d après le botaniste suisse Paul Jaccard. Sommaire 1 Description formelle 2… …   Wikipédia en Français

  • Indice et distance de jaccard — L indice et la distance de Jaccard sont deux métriques utilisées en statistiques pour comparer la similarité et la diversité entre des échantillons. Elles sont nommées d après le botaniste suisse Paul Jaccard. Sommaire 1 Description formelle 2… …   Wikipédia en Français

  • Indice et distance de Jaccard — L indice et la distance de Jaccard sont deux métriques utilisées en statistiques pour comparer la similarité et la diversité entre des échantillons. Elles sont nommées d après le botaniste suisse Paul Jaccard. Sommaire 1 Description formelle 2… …   Wikipédia en Français

  • Jaccard — (homonymie) Cette page d’homonymie répertorie les différents sujets et articles partageant un même nom. François Jaccard, prêtre, saint et martyr. Paul Jaccard, botaniste suisse Indice et distance de Jaccard, métriques en statistiques nommées d… …   Wikipédia en Français

  • Distance de Jaccard — Indice et distance de Jaccard L indice et la distance de Jaccard sont deux métriques utilisées en statistiques pour comparer la similarité et la diversité entre des échantillons. Elles sont nommées d après le botaniste suisse Paul Jaccard.… …   Wikipédia en Français

  • Index et distance de Jaccard — Indice et distance de Jaccard L indice et la distance de Jaccard sont deux métriques utilisées en statistiques pour comparer la similarité et la diversité entre des échantillons. Elles sont nommées d après le botaniste suisse Paul Jaccard.… …   Wikipédia en Français

  • Jaccard (homonymie) — Cette page d’homonymie répertorie les différents sujets et articles partageant un même nom. François Jaccard, prêtre, saint et martyr. Paul Jaccard, botaniste suisse Indice et distance de Jaccard, métriques en statistiques nommées d après le… …   Wikipédia en Français

  • Indice de Tanimoto — Similarité cosinus La similarité cosinus (ou mesure cosinus) permet de calculer la similarité entre deux vecteurs à n dimensions en déterminant l angle entre eux. Cette métrique est fréquemment utilisée en fouille de textes. Soit deux vecteurs A… …   Wikipédia en Français

  • Paul Jaccard — Paul Jaccard, né le 18 novembre 1868 à Sainte Croix et mort le 9 mai 1944 à Zurich, est un professeur suisse de botanique, spécialiste de physiologie végétale. Biographie Tout d abord instituteur dans le village de Chexbres en 1887, il suit des… …   Wikipédia en Français

  • Henri Jaccard — Nacimiento 5 de noviembre 1844 Echichens Fallecimiento …   Wikipedia Español

Share the article and excerpts

Direct link
… Do a right-click on the link above
and select “Copy Link”