python中的Jaccard相似度

Question

我正試圖找到兩個文檔之間的jaccard相似度。然而，我很難理解功能sklearn.metrics.jaccard_similarity_score()如何在幕後工作。根據我的理解，Jaccard的sim =文檔中的術語與文檔中的術語聯合的交集。

考慮下面的例子： 我對兩個文件DTM是：

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

以上FUNC。給我的捷卡SIM得分

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

我試圖找到我自己的得分爲：

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 

能有人請幫助，如果有什麼明顯我是缺少在這裏我明白了。

Answer 1

如上所述here：

在二進制和多類分類中，Jaccard相似係數分數等於分類精度。

因此在你的例子中它正在計算匹配元素的比例。這就是爲什麼你會得到0.25。