Apa perbedaan antara koefisien Dice, Jaccard, dan overlap? [Tutup]

Saya menemukan tiga ukuran statistik yang berbeda untuk membandingkan dua set, khususnya untuk segmentasi pada gambar (misalnya, membandingkan kesamaan antara kebenaran dasar dan hasil yang tersegmentasi).

Apa perbedaan antara pengukuran-pengukuran ini (mereka sangat mirip secara matematis):

Saya melihat makalah menggunakan Dice lebih sering, tetapi yang lain juga menyarankan menggunakan koefisien Jaccard dan tumpang tindih. Apa perbedaan mereka?

machine-learning similarities dice segmentation jaccard-similarity RockTheStar
sumber

Jika Anda belum tahu tentang langkah-langkah ini, Anda harus mengklik pada setiap halaman Wikipedia dan kemudian memegang bersama di kepala Anda poin-poin utama dari masing-masing. Ini bukan pertanyaan mandiri yang dapat diprediksi bermanfaat bagi siapa pun. Referensi baik-baik saja, tetapi sebuah pertanyaan tidak harus bergantung pada orang yang membacanya.

Nick Cox

Dan juga mencari situs ini untuk mereka; sudah ada banyak utas tentang, sudah.

ttnphns

Jawaban:

Dari halaman wikipedia:

J = \frac{D}{2 - D} and D = \frac{2 J}{J + 1}

$J=\frac{D}{2-D} \;\; \text{and}\;\; D=\frac{2J}{J+1}$ dimana

D

$D$ adalah Koefisien Dadu dan

J

$J$ adalah Indeks Jacard. Menurut pendapat saya, Koefisien Dadu lebih intuitif karena dapat dilihat sebagai persentase tumpang tindih antara dua set, yaitu angka antara 0 dan 1.

Adapun Tumpang tindih itu mewakili persentase tumpang tindih karena hanya berkaitan dengan volume terkecil:

o v e r l a p = \frac{| X \cap Y |}{m i n (| X |, | Y |)}

$overlap = \frac{|X\cap Y|}{min(|X|, |Y|)}$ Hubungan antara itu dan dua langkah lainnya tidak langsung, tetapi satu dapat diperoleh dari satu yang lain dan sebaliknya dengan informasi area / volume

X

$X$ dan

Y

$Y$

Miguel
sumber