Skuteczny sposób obliczania procentu podobieństwa między zestawami danych

Standardowym sposobem na to jest podobieństwo Jaccarda. Jeśli A jest zbiorem celów pierwszego użytkownika, a B jest zbiorem celów drugiego użytkownika, podobieństwo Jaccarda to:

#(A intersect B)/#(A union B)

Jest to liczba wspólnych celów podzielona przez całkowitą liczbę głosów, które obaj mają razem (licząc cele, które dzielą tylko raz). Więc jeśli pierwszy użytkownik ma cele A={1,2,3}, a drugi ma cele B={2,4}, to jest tak:

A intersect B = {2}
A union B = {1,2,3,4}

#(A intersect B)/#(A union B) = 1/4

Podobieństwo Jaccarda wynosi zawsze od 0 (nie mają wspólnych celów) do 1 (mają te same cele), więc możesz uzyskać procent, mnożąc go przez 100.

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