模糊Jaccard指数：有序列表的鲁棒比较

Matej Petković; Blaž Škrlj; Dragi Kocev; Nikola Simidjievski

doi:10.1016/j.asoc.2021.107849

模糊Jaccard指数：有序列表的鲁棒比较

机器学习 2021-10-06 v2 机器学习

作者: Matej Petković , Blaž Škrlj , Dragi Kocev , Nikola Simidjievski

在 arXiv 上查看 ↗ PDF ↗ DOI ↗

摘要

我们提出模糊Jaccard指数（FUJI）——一种用于评估两个排序/有序列表间相似度的尺度不变分数。FUJI通过引入考虑特定排位的隶属函数改进了Jaccard指数，从而产生了更稳定且更准确的相似性估计。我们提供了关于FUJI分数性质的理论见解，并提出了一种高效的计算算法。我们还展示了其在不同合成场景下的性能经验证据。最后，我们展示了其在典型机器学习环境中的效用——比较与给定机器学习任务相关的特征排序列表。在真实特别是高维领域中，仅特征空间很小一部分可能相关，鲁棒且可信的特征排序可带来可解释的发现以及高效计算与良好预测性能。在此类情况下，FUJI能正确区分现有特征排序方法，同时比基准相似性分数更鲁棒且高效。

关键词

模糊Jaccard指数有序列表相似性度量特征排序尺度不变分数机器学习

引用

@article{arxiv.2008.02216,
  title  = {Fuzzy Jaccard Index: A robust comparison of ordered lists},
  author = {Matej Petković and Blaž Škrlj and Dragi Kocev and Nikola Simidjievski},
  journal= {arXiv preprint arXiv:2008.02216},
  year   = {2021}
}

备注

29 pages, 30 figures

模糊Jaccard指数：有序列表的鲁棒比较

摘要

关键词

引用

备注

相关论文