ScholarGate
助手
MCDMMulti-label Metric

杰卡德指数

杰卡德指数通过计算交集与并集的比率来衡量预测标签集与真实标签集之间的相似度。它广泛用于多标签分类和集合相似性任务,在这些任务中,部分重叠很重要。

在 MethodMind 中打开即将推出视频即将推出下载幻灯片

阅读完整方法

仅限会员

使用免费账户登录即可阅读本节。

登录

方法图谱

相关方法的邻域——选择一个节点以展开探索。

杰卡德指数
F1分数汉明损失

来源

  1. Jaccard, P. (1901). Etude comparative de la distribution florale dans une portion des Alpes et des Jura. Bulletin de la Société Vaudoise des Sciences Naturelles, 37, 547-579. link
  2. Tsoumakas, G., & Katakis, I. (2007). Multi-label classification: An overview. International Journal of Data Warehousing and Mining, 3(3), 1-13. DOI: 10.4018/jdwm.2007070101

如何引用本页

ScholarGate. (2026, June 3). Jaccard Similarity Coefficient. ScholarGate. https://scholargate.app/zh/model-evaluation/jaccard-index

选用哪种方法?

将本方法与其最相近的同类并置,并排研读——本馆将书籍铺陈于案上,取舍则由您定夺。

并排比较

被引用于

ScholarGateJaccard Index (Jaccard Similarity Coefficient). 于 2026-06-15 检索自 https://scholargate.app/zh/model-evaluation/jaccard-index · 数据集: https://doi.org/10.5281/zenodo.20539026