データセット間の類似率を計算する効果的な方法

これを行う標準的な方法は、Jaccardの類似性です。 Aが最初のユーザーの目標のセットであり、Bが2番目のユーザーの目標のセットである場合、Jaccardの類似性は次のようになります。

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

これは、彼らが共有する目標の数を、2人が一緒に持っている投票の総数で割ったものです（彼らが1回だけ共有する目標を数えます）。したがって、最初のユーザーの目標がA ={1,2,3}で、2番目のユーザーの目標がB ={2,4}の場合、次のようになります。

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

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

Jaccardの類似性は常に0（目標を共有しない）と1（同じ目標を持つ）の間であるため、100を掛けることでパーセンテージを取得できます。