在二元属性相似性度量中，给定可能性矩阵后，如果样本的属性都是不对称的二值离散型属性，则样本间的距离可用Jaccard系数计算(Jaccard Coefficients, JC)：

其中：不对称的二值离散型属性是指属性取值为 1 或者 0 不是同等重要。例如：血液的检查结果是不对称的二值离散型属性，阳性结果的重要程度高于阴性结果，因此通常用 1 来表示阳性结果，而用 0 来表示阴性结果。

显然，上述性能度量指标结果均在 之间，值越大越好。

在聚类中，对于数据集 ，假定通过聚类给出的簇划分为 ，参考模型给出的簇划分为 ，相应地，令 与 分别表示与 和 对应的簇标记向量。

我们将样本两两配对，定义：

• ，集合 包含了在 中隶属于相同簇，且在 也隶属相同簇的样本对。
• ，集合 包含了在 中隶属于相同簇，但在 隶属不同簇的样本对。
• ，集合 包含了在 中隶属于不同簇，但在 隶属相同簇的样本对。
• ，集合 包含了在 中隶属于不同簇，且在 也隶属不同簇的样本对。

由于每个样本对 仅能出现在一个集合中，因此有

则定义「Jaccard 系数」为

显然 Jaccard 系数在 之间，越大表示聚类性能越好