Saltar al contenido
Omnikalc

Calculadora de similitud de Jaccard: ¿hasta qué punto se solapan dos conjuntos?

Introduce los tamaños de dos conjuntos y de su intersección para obtener la similitud y la distancia de Jaccard, el coeficiente de Dice, el solapamiento y la unión.

Actualizado el
Tus datos

Valor fuera de rango

Valor fuera de rango

Valor fuera de rango

Resultados

Similitud de Jaccard

40,00 %

Solapamiento moderado
Distancia de Jaccard
60,00 %
Coeficiente de Sørensen–Dice
57,14 %
Coeficiente de solapamiento
66,67 %
Elementos de la unión
75

Cuando se comparan dos listas, de palabras, de clientes o de especies, hace falta un único número que diga cuánto se parecen. Esta calculadora de similitud de Jaccard toma el tamaño del conjunto A, el tamaño del conjunto B y el número de elementos comunes para dar la similitud de Jaccard, la distancia de Jaccard, el coeficiente de Sørensen–Dice, el coeficiente de solapamiento y el tamaño de la unión.

Cómo se hace el cálculo

  • Unión = |A| + |B| − |A ∩ B|, el número de elementos distintos en los dos conjuntos juntos.
  • Similitud de Jaccard = |A ∩ B| ÷ |A ∪ B|. Vale 0 % para conjuntos sin nada en común y 100 % para conjuntos idénticos. Distancia de Jaccard = 100 % − la similitud.
  • Coeficiente de Sørensen–Dice = 2 × |A ∩ B| ÷ (|A| + |B|), que da más peso al solapamiento.
  • Coeficiente de solapamiento = |A ∩ B| ÷ el tamaño del conjunto más pequeño. Vale 100 % cuando un conjunto está totalmente contenido en el otro. El número común se limita al tamaño del conjunto más pequeño.

Ejemplo

El conjunto A tiene 45 elementos, el conjunto B 60, y 30 elementos están en los dos. La unión tiene 45 + 60 − 30 = 75 elementos. La similitud de Jaccard es 30 ÷ 75 = 40 %, así que la distancia de Jaccard es del 60 %. El coeficiente de Dice es 2 × 30 ÷ 105 = 57,14 %, y el coeficiente de solapamiento es 30 ÷ 45 = 66,67 %, porque el conjunto más pequeño tiene 45 elementos.

Por qué es útil

La medida es una herramienta básica de la ciencia de datos, de los buscadores, de la ecología y de la genética. Es sencilla, no depende del orden de los elementos y se lee directamente como la parte de los elementos reunidos que contienen los dos conjuntos. Se estudia, por ejemplo, en asignaturas de minería de datos, recuperación de información y bioestadística de los grados de Informática y de Biología.

Conviene saber

La calculadora trabaja con números de elementos y no con los elementos en sí, así que supone que los conjuntos no tienen duplicados. El número común se limita al tamaño del conjunto más pequeño. Para datos ponderados, en los que los elementos tienen distinta importancia, hace falta un índice de Jaccard ponderado o generalizado. Una similitud alta dice que los conjuntos se solapan, no que traten de lo mismo.

Herramientas relacionadas

La calculadora de diagramas de Venn cuenta las regiones de conjuntos que se solapan, y la de porcentajes ayuda a expresar los resultados en partes.

Preguntas frecuentes

¿Qué es la similitud de Jaccard?

El índice, o similitud, de Jaccard mide hasta qué punto se solapan dos conjuntos. Es el número de elementos presentes en los dos conjuntos dividido entre el número de elementos presentes en al menos uno de ellos. Va de 0 si no hay ningún elemento común a 1 si los conjuntos son idénticos, y esta calculadora lo muestra en porcentaje.

¿Qué diferencia hay entre Jaccard y Dice?

Ambos miden el solapamiento, pero Dice cuenta dos veces los elementos comunes en el numerador y divide entre la suma de los tamaños. Dice es siempre al menos tan grande como Jaccard, y los dos se relacionan con la fórmula Dice = 2J ÷ (1 + J). La ordenación de pares de conjuntos es la misma para ambos.

¿Cuándo se usa el coeficiente de solapamiento?

El coeficiente de solapamiento divide entre el tamaño del conjunto más pequeño, por lo que vale 100 % cuando un conjunto está incluido en el otro. Es útil cuando los conjuntos tienen tamaños muy distintos, por ejemplo para comparar una lista corta de palabras clave con un documento largo.

¿Cuáles son los usos habituales?

La similitud de Jaccard sirve para comparar documentos por sus conjuntos de palabras, para encontrar páginas web casi idénticas, para comparar las especies halladas en dos lugares en ecología, para comparar los clientes de dos productos y para evaluar el solapamiento entre regiones predichas y reales en la segmentación de imágenes.

¿Te ha resultado útil esta calculadora?

¡Gracias por tu opinión!

Resultados orientativos con fines informativos. No sustituyen el consejo de un profesional.