python中的Jaccard相似度

Question

我正试图找到两个文档之间的jaccard相似度。然而，我很难理解功能sklearn.metrics.jaccard_similarity_score()如何在幕后工作。根据我的理解，Jaccard的sim =文档中的术语与文档中的术语联合的交集。

考虑下面的例子： 我对两个文件DTM是：

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

以上FUNC。给我的捷卡SIM得分

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

我试图找到我自己的得分为：

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 

能有人请帮助，如果有什么明显我是缺少在这里我明白了。

Answer 1

如上所述here：

在二进制和多类分类中，Jaccard相似系数分数等于分类精度。

因此在你的例子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。