空集之间的 Jaccard 相似度
Jaccard Similarity Between Null Sets
我想根据标准代码列表的 existence/nonexistence 计算两个数据集之间的 Jaccard 相似度。
例如（x,y,z 是数据集）：
数据集 x 和 y 没有任何标准代码 (Null)，因此我将列表值设置为零。
x = [0,0,0]
y = [0,0,0]
z = [0,1,0]
from sklearn.metrics import jaccard_similarity_score
jaccard_similarity_score(x,y),jaccard_similarity_score(x, z)
x 和 z 之间的 Jaccard sim 为 0.66 (2/3)。是否有处理两个空集之间集交集的相似性度量？在我的例子中，我想将数据集 x 和 y 之间的相似性设置为 0，而不是 1（使用 Jaccard 计算）。
两个空集之间的 Jaccard 相似性没有意义（除以零）。根据问题的不同，重叠相似性（交集的大小）可能是一种选择。或者，您可以通过检查两个空集来包装 Jaccard 相似度函数，在这种情况下为 return 0。
这取决于每种情况，但根据您的情况，我认为您应该将集合 x 和 y 的 Jaccard 相似度设置为 1，因为如您所述：
Dataset x and y does not have any standard codes (Null)
所以有人会说 x 和 y 很相似（它们都没有标准代码）。
在任何情况下你都应该检查分数的分母是否为零并处理它（例如你可以给一个标志值 -1）。
我想根据标准代码列表的 existence/nonexistence 计算两个数据集之间的 Jaccard 相似度。 例如（x,y,z 是数据集）： 数据集 x 和 y 没有任何标准代码 (Null)，因此我将列表值设置为零。
x = [0,0,0]
y = [0,0,0]
z = [0,1,0]
from sklearn.metrics import jaccard_similarity_score
jaccard_similarity_score(x,y),jaccard_similarity_score(x, z)
x 和 z 之间的 Jaccard sim 为 0.66 (2/3)。是否有处理两个空集之间集交集的相似性度量？在我的例子中，我想将数据集 x 和 y 之间的相似性设置为 0，而不是 1（使用 Jaccard 计算）。
两个空集之间的 Jaccard 相似性没有意义（除以零）。根据问题的不同，重叠相似性（交集的大小）可能是一种选择。或者，您可以通过检查两个空集来包装 Jaccard 相似度函数，在这种情况下为 return 0。
这取决于每种情况，但根据您的情况，我认为您应该将集合 x 和 y 的 Jaccard 相似度设置为 1，因为如您所述：
Dataset x and y does not have any standard codes (Null)
所以有人会说 x 和 y 很相似（它们都没有标准代码）。 在任何情况下你都应该检查分数的分母是否为零并处理它（例如你可以给一个标志值 -1）。