Ефективен начин за изчисляване на процента на сходство между наборите от данни

Стандартният начин да направите това е сходството на Жакард. Ако A е наборът от цели на първия потребител и B е наборът от цели на втория потребител, сходството на Jaccard е:

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

Това е броят на целите, които споделят, разделен на общия брой гласове, които двамата имат заедно (като се броят цели, които споделят само веднъж). Така че, ако първият потребител има цели A={1,2,3}, а вторият потребител има цели B={2,4}, това е следното:

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

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

Приликата на Jaccard винаги е между 0 (те нямат общи цели) и 1 (те имат еднакви цели), така че можете да получите процент, като го умножите по 100.

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