สัมประสิทธิ์ของลูกเต๋าเหมือนกับความถูกต้องหรือไม่?

ผมเจอค่าสัมประสิทธิ์ลูกเต๋าสำหรับความคล้ายคลึงกันเสียง ( https://en.wikipedia.org/wiki/S%C3%B8rensen%E2%80%93Dice_coefficient ) และความถูกต้อง ( https://en.wikipedia.org/wiki/Accuracy_and_precision )

สำหรับฉันแล้วดูเหมือนว่ามาตรการทั้งสองนี้เหมือนกัน ความคิดใด ๆ

— RockTheStar
แหล่งที่มา

ซึ่งจะให้ข้อมูลสถิติ

— อันดับ 1

@ rank1 ขอบคุณ ฉันต้องการชี้แจง: ไม่ว่าจะเชื่อมโยงไปยังคำถามของฉัน :)

— RockTheStar

ooops อัน

— อันดับ 1

คำตอบ:

สิ่งเหล่านี้ไม่เหมือนกันและมักใช้ในบริบทที่แตกต่างกัน คะแนนลูกเต๋ามักจะใช้ในปริมาณประสิทธิภาพการทำงานของการแบ่งส่วนภาพวิธีการ ที่นั่นคุณได้ใส่คำอธิบายประกอบขอบเขตความจริงพื้นดินในภาพของคุณแล้วทำอัลกอริทึมอัตโนมัติที่จะทำ คุณตรวจสอบอัลกอริทึมโดยการคำนวณคะแนนลูกเต๋าซึ่งเป็นการวัดความคล้ายคลึงของวัตถุ ดังนั้นมันคือขนาดของการทับซ้อนของการแบ่งส่วนสองส่วนหารด้วยขนาดทั้งหมดของวัตถุทั้งสอง ใช้คำเดียวกันกับการอธิบายความถูกต้องคะแนนลูกเต๋าคือ:

คะแนนลูกเต๋า = \frac{2 \cdot จำนวนการบวกที่แท้จริง}{2 \cdot จำนวนบวกจริงบวกจำนวนบวกเท็จบวกจำนวนลบเท็จ}

$\text{Dice score} = \frac{2\cdot \text{number of true positives}}{2 \cdot \text{number of true positives + number of false positives + number of false negatives}}$ ดังนั้นจำนวนบวกที่แท้จริงที่เป็นตัวเลขที่พบวิธีการของคุณจำนวนบวกคือจำนวนของผลบวกที่สามารถพบได้และจำนวนเท็จ บวกคือจำนวนคะแนนที่เป็นลบที่วิธีการของคุณจัดว่าเป็นบวก

คะแนนลูกเต๋าไม่ได้เป็นเพียงการวัดจำนวนผลบวกที่คุณพบ แต่ยังลงโทษสำหรับผลบวกปลอมที่วิธีการค้นหาคล้ายกับความแม่นยำ ดังนั้นมันจึงคล้ายกับความแม่นยำมากกว่าความแม่นยำ ความแตกต่างเพียงอย่างเดียวคือตัวหารที่คุณมีจำนวนผลบวกทั้งหมดแทนที่จะเป็นเฉพาะผลบวกที่วิธีการค้นหา ดังนั้นคะแนนของลูกเต๋าจึงเป็นการลงโทษสำหรับผลบวกที่อัลกอริทึม / วิธีการของคุณไม่สามารถหาได้

แก้ไข:ในกรณีของการแบ่งส่วนภาพสมมติว่าคุณมีหน้ากากที่มีพื้นจริงเรียกว่าหน้ากาก $A$ อย่างที่คุณแนะนำ ดังนั้นหน้ากากจึงมีค่า 1 ในพิกเซลที่มีบางสิ่งที่คุณพยายามค้นหาและเป็นศูนย์อื่น ตอนนี้คุณมีอัลกอริทึมในการสร้างอิมเมจ / มาสก์ $B$ ซึ่งต้องเป็นอิมเมจไบนารี่เช่นคุณสร้างมาสก์สำหรับการแบ่งส่วน จากนั้นเรามีดังต่อไปนี้:

จำนวนการบวกคือจำนวนพิกเซลทั้งหมดที่มีความเข้ม 1 ในรูปภาพ $A$
จำนวนบวกที่แท้จริงคือจำนวนของพิกเซลที่มีมูลค่า 1 ทั้งในและBดังนั้นจึงเป็นจุดตัดของภูมิภาคของคนในและBมันเป็นเช่นเดียวกับการใช้และผู้ประกอบการในและB $A$ $B$ $A$ $B$ $A$ $B$
จำนวนบวกเท็จคือจำนวนพิกเซลที่ปรากฏเป็น 1 ใน $B$ แต่ศูนย์ใน $A$

หากคุณกำลังทำสิ่งนี้เพื่อตีพิมพ์เขียน Dice ด้วยตัวพิมพ์ใหญ่ D เพราะถูกตั้งชื่อตามชายที่ชื่อ Dice

แก้ไข:เกี่ยวกับความคิดเห็นเกี่ยวกับการแก้ไข: ฉันไม่ได้ใช้สูตรดั้งเดิมในการคำนวณค่าสัมประสิทธิ์ลูกเต๋า แต่ถ้าฉันแปลเป็นเครื่องหมายในคำตอบอื่น ๆ มันจะกลายเป็น:

คะแนนลูกเต๋า = \frac{2 \cdot | A \cap B |}{2 \cdot | A \cap B | + | B ∖ A | + | A ∖ B |}

$\text{Dice score} = \frac{2\cdot|A\cap B|}{2\cdot|A\cap B| + |B\backslash A| + |A\backslash B|}$

ซึ่งเทียบเท่ากับนิยามดั้งเดิม สะดวกกว่าที่จะเขียนในแบบที่ฉันเขียนไว้ แต่เดิมเพื่อระบุสูตรในแง่ของผลบวกที่ผิดพลาด แบ็กสแลชคือชุดลบ

— Gumeo
แหล่งที่มา

ขอบคุณสำหรับการตอบกลับ. ตรงสำหรับการเปรียบเทียบการแบ่งส่วนภาพ ดังนั้นจึงใช้คะแนนลูกเต๋านี้บอกว่าให้ภาพ A และภาพ B รูปภาพ A เป็นพื้นจริง (0 หรือ 1) และภาพ B คือการแบ่งส่วนของฉัน ดังนั้นจำนวนบวกทั้งหมด (1) คือจำนวนของ 1 ใน A + จำนวน 1 ใน B ?? ฉันสับสนเล็กน้อยที่นี่ เช่นเดียวกับการบวกเท็จ

— RockTheStar

@RockTheStar ฉันจะแก้ไขคำตอบของฉันในบัญชีสำหรับการแบ่งส่วนภาพ

— Gumeo

เยี่ยมมากขอบคุณมากสำหรับคำอธิบายของคุณ คำถามติดตามอีกหนึ่งข้อ แล้วช่วง D เป็นเท่าไหร่? นั่นคือระหว่าง 0 และ 1

— RockTheStar

เยี่ยมมากขอบคุณ! จะใช้สิ่งนี้และดูผลลัพธ์

— RockTheStar

@Gumeo คุณอาจต้องการที่จะแก้ไขหรืออย่างน้อยอธิบายคำตอบของคุณโปรดดูคำตอบใหม่ของฉันสำหรับรายละเอียด

— DVB

ลูกเต๋าค่าสัมประสิทธิ์ (หรือเรียกว่าดัชนีความคล้ายคลึงกันลูกเต๋า) เป็นเช่นเดียวกับคะแนน F1แต่มันไม่ได้เป็นเช่นเดียวกับความถูกต้อง แตกต่างที่สำคัญอาจจะมีความจริงที่ว่ามีความถูกต้องคำนึงถึงความจริงเชิงลบในขณะที่ค่าสัมประสิทธิ์ลูกเต๋าและหลายมาตรการอื่น ๆ เพียงแค่จัดการเชิงลบที่แท้จริงเป็นค่าเริ่มต้นจืด (ดูพื้นฐานของการประเมินผลลักษณนามตอนที่ 1 )

เท่าที่ฉันสามารถบอกได้ค่าสัมประสิทธิ์ลูกเต๋าไม่ได้คำนวณตามคำอธิบายก่อนหน้าซึ่งจริง ๆ แล้วมีสูตรสำหรับดัชนี Jaccard (หรือที่รู้จักกันในชื่อ

\begin{aligned} D ผม ค อี (A, B) & = \frac{2 | A \cdot B |}{| A | + | B |} \\ F 1 (A, B) & = \frac{2}{| A | / | A \cdot B | + | B | / | A \cdot B |} \\ J a ค ค a R d (A, B) & = \frac{| A \cdot B |}{| ม. a x (A, B) |} = \frac{| A \cdot B |}{| A | + | B | - | A \cdot B |} \\ A ค ค ยู R a ค Y (A, B) & = \frac{| A \cdot B | + | \bar{A} \cdot \bar{B} |}{| A ล. ล. |} \end{aligned}

$\begin{align*} Dice(A,B) &= \frac{2|A\cdot B|}{ |A| + |B| } \\ F1(A,B) &= \frac{2}{|A|/|A \cdot B| + |B|/|A\cdot B|} \\ Jaccard(A,B) &= \frac{|A\cdot B|}{|max(A,B)|} = \frac{|A\cdot B|}{|A|+|B|-|A\cdot B|}\\ Accuracy(A,B) &= \frac{|A\cdot B|+|\overline{A} \cdot \overline{B}|}{|All|} \\ \end{align*}$

$A,B$ $All$ $|A \cdot B|$ $A$ $B$ $|\overline{A} \cdot \overline{B}|$ $A$ $B$

ค่าสัมประสิทธิ์ลูกเต๋าและดัชนี Jaccard ที่เกี่ยวข้อง monotonically และ generalizes ดัชนี Tversky พวกเขาทั้งสองเพื่ออ่านรายละเอียดเพิ่มเติมเกี่ยวกับเรื่องนี้ดูF-คะแนนลูกเต๋าและ Jaccard ชุดคล้ายคลึงกัน

ค่าสัมประสิทธิ์ลูกเต๋ายังเป็นค่าเฉลี่ยของความไวและความแม่นยำเพื่อดูว่าทำไมจึงสมเหตุสมผลอ่านทำไม F-Measure ค่าเฉลี่ยฮาร์มอนิกและไม่ใช่ค่าเฉลี่ยเลขคณิตของมาตรการความแม่นยำและการเรียกคืน? .

อ่านเพิ่มเติมเกี่ยวกับหลายคำในคำตอบนี้และความสัมพันธ์ของพวกเขาให้ดูที่การประเมินผลการจําแนกไบนารี

— DVB
แหล่งที่มา