Dice 系数（也称为 Dice 相似度指数）与F1 分数相同，但与准确率不同。主要区别可能在于准确性考虑了真负数，而 Dice 系数和许多其他度量只是将真负数作为无趣的默认值处理（请参阅分类器评估的基础知识，第 1 部分）。

据我所知，骰子系数不是按照前面的答案计算的，它实际上包含Jaccard 指数的公式（在计算机视觉中也称为“联合交集”）。

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

其中二元向量（组内元素的值为 1，否则为 0），一个表示基本事实，另一个表示分类结果，只是考虑的所有元素（相同的 1 的二元向量长度）。例如，和的内积）是真阳性的数量，（的补码和的补码的内积）是真负数的数量。$A,B$$All$$|A \cdot B|$$A$$B$$|\overline{A} \cdot \overline{B}|$$A$$B$

Dice 系数和 Jaccard 指数是单调相关的，Tversky 指数概括了它们，要了解更多信息，请参阅F-scores、Dice 和 Jaccard 集相似性。

Dice 系数也是 Sensitivity 和 Precision 的调和平均值，要了解它为什么有意义，请阅读为什么 F-Measure 是调和平均值而不是 Precision 和 Recall 测量的算术平均值？.

要阅读有关此答案中的许多术语及其关系的更多信息，请参阅评估二元分类器。

这些不是一回事，它们经常在不同的环境中使用。Dice 分数通常用于量化图像分割方法的性能。在那里，您可以在图像中注释一些真实区域，然后制作一个自动算法来完成它。您可以通过计算 Dice 分数来验证算法，这是衡量对象相似程度的指标。所以它是两个分割的重叠大小除以两个对象的总大小。使用与描述准确性相同的术语，Dice 分数为：

$$\text{Dice score} = \frac{2\cdot \text{number of true positives}}{2 \cdot \text{number of true positives + number of false positives + number of false negatives}}$$ 因此，真阳性的数量是您的方法找到的数量，阳性的数量是可以找到的阳性的总数，而假阳性的数量是您的方法分类为阳性的阴性点的数量。

骰子分数不仅衡量您找到多少阳性，而且还惩罚该方法发现的误报，类似于精度。所以它更类似于精确度而不是准确度。唯一的区别是分母，其中您有阳性总数，而不仅仅是该方法找到的阳性数。所以骰子分数也会惩罚你的算法/方法找不到的积极因素。

编辑：在图像分割的情况下，假设您有一个带有基本事实的掩码，让我们按照您的建议因此，掩码在您要查找的内容的像素中具有值 1，否则为零。现在你有一个算法来生成图像/掩码，它也必须是一个二进制图像，即你为你的分割创建一个掩码。然后我们有以下内容：$A$$B$

• 正中强度为 1 的像素总数$A$
• 真阳性和中值为 1 的像素总数。所以它是和的区域的交集。和上使用 AND 运算符相同。$A$$B$$A$$B$$A$$B$
• 误报数中显示为 1但在中显示为 0的像素数。$B$$A$

如果你是为出版物做这个，那么用大写的 D 写 Dice，因为它是以一个叫 Dice 的人命名的。

编辑：关于更正的评论：我不使用传统公式来计算骰子系数，但如果我将其转换为另一个答案中的符号，它将变为：

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

这相当于传统的定义。用我最初写它的方式来写它，用误报来陈述公式会更方便。反斜杠是设置的减号。

Dice 系数（也称为 Sørensen–Dice 系数和 F1 分数）定义为 A 和 B 的交点面积的两倍除以 A 和 B 的面积之和：Dice = 2 |A∩B | / (|A|+|B|) = 2 TP / (2 TP + FP + FN) (TP=True Positives, FP=False Positives, FN=False Negatives) Dice score 是图像分割问题的性能指标。这与目标是匹配值的准确性不同，这与匹配值+位置的骰子不同。