¿Cuál es la diferencia entre Dice, Jaccard y los coeficientes de superposición? [cerrado]

Me encuentro con tres medidas estadísticas diferentes para comparar dos conjuntos, en particular para la segmentación en imágenes (por ejemplo, comparar la similitud entre la verdad fundamental y el resultado segmentado).

¿Cuáles son las diferencias entre estas medidas (son bastante similares matemáticamente):

Veo artículos que usan Dice con más frecuencia, pero otros también sugieren usar Jaccard y coeficientes de superposición. ¿Cuáles son sus diferencias?

machine-learning similarities dice segmentation jaccard-similarity RockTheStar
fuente

Si aún no conoce estas medidas, debe hacer clic en cada página de Wikipedia y luego mantener juntos en su cabeza los puntos clave de cada una. Esta no es una pregunta independiente que será previsiblemente útil para cualquier otra persona. Las referencias están bien, pero una pregunta no debe depender de que las personas las lean.

Nick Cox

Y también busca en este sitio para ellos; Ya hay muchos hilos.

ttnphns

Respuestas:

Desde la página de wikipedia:

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

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

D

$D$ es el coeficiente de dados y

J

$J$ es el índice de Jacard. En mi opinión, el coeficiente de dados es más intuitivo porque puede verse como el porcentaje de superposición entre los dos conjuntos, es decir, un número entre 0 y 1.

En cuanto a la superposición, representa el porcentaje de superposición ya que se relaciona solo con el volumen más pequeño:

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

$overlap = \frac{|X\cap Y|}{min(|X|, |Y|)}$ La relación entre este y las otras dos medidas no es directa, pero se puede obtener una de las otras y viceversa con información del área / volumen de

X

$X$ y

Y

$Y$

Miguel
fuente