Jaccard index | AI slovník

Odborná definice

Jaccard index vyjadřuje podobnost dvou množin pomerom počtu spoločných prvků k počtu všech unikátnych prvků prítomných aspoň v jedné z nich. V strojovém učení porovnává například množinu správných a predikovaných štítků, množinu tokenů nebo pixely referenční a predikovanej masky. Hodnota 1 znamená úplnou shodu, hodnota 0 nulový společný prvek. Při prázdnych množinách je třeba předem určit konvenci, protože menovatel může být nulový. Průměrování v multilabel úlohách musí zohladnit, zda se počítá po vzorcích, třídách nebo globálně.

Srozumitelné vysvětlení

Představte si dvě skupiny produktů. První obsahuje položky, které zákazník skutečně kúpil, druhá položky, které odporučil model. Jaccardů index se ptá, jaká část všech unikátnych položek v obou skupinách se nachází zároveň v obou. Pokud se zhodují tri produkty a spolu je v sjednocení šesť různých produktů, skóre je 0,5. Stejná logika funguje při porovnání segmentačných masiek, tém dokumentů nebo souborů značiek, proto je metrika užitečná všade, kde výsledek lze chápat jako množinu.

Časté otázky

Jak se Jaccard index vypočítá při binární klasifikaci?

Za prienik se považují případy, které jsou pozitivně v referencii i predikci. Sjednocení tvoří všechny případy pozitivně aspoň v jedné z nich. V zápise přes confusion matrix jde o TP dělené součtem TP, FP a FN, přičemž true negative případy skóre přímo nezvyšují.

Čím se liší od accuracy?

Accuracy započítava i správně negativně případy. Jaccardů index se soustřeďuje na překryv pozitivních množin, proto bývá informatívnejší při segmentaci nebo vzácných pozitivních třídách, kde by velké množství pozadí mohlo accuracy uměle nafúknuť.

Je vhodný pro více štítků najednou?

Ano. Při multilabel klasifikaci se může vypočítat pro každou vzorek, pro každou třídu nebo mikropriemerom ze všech rozhodnutí. Volba průměrování mění interpretaci, proto ji je třeba uvést spolu s výsledkem.

Co znamená nízké skóre při segmentaci?

Predikovaná maska se málo prekrýva s referenčnou maskou nebo pokrývá mnoho nesprávnych pixelů. Samotné číslo však neukáže, či model objekt systematicky zmenšuje, posouvá nebo zamieňa s jiným regiónom, proto se doplňa vizuálnou kontrolou.

Kdy může Jaccard index zavádzat?

Při velmi malých objektoch může několik pixelů výrazně změnit skóre. Při různé velkých třídách může makropriemer dávať každé třídě stejnou váhu, zatímco mikropriemer zvýhodní rozsáhlé třídy. Výsledek je třeba číst spolu s distribúcí velkostí a typmi chyb.

Související pojmy

Zdroje a redakční stopa

scikit-learn, jaccard_score

Definícia je autorská odborná syntéza. Pri právnych a regulačných rozhodnutiach má prednosť aktuálne oficiálne znenie predpisu a posúdenie konkrétneho prípadu.