题解|计算分类的DICE得分

DICE得分是一种衡量分类模型性能的指标，具有良好的鲁棒性，其计算公式为：

DICE = \frac{2 \times TP}{2 \times TP + FP + FN}

其中，TP是真阳性，FP是假阳性，FN是假阴性。 TP = True Positives (真正例): 正确预测为正类的样本数量 FP = False Positives (假阳性): 错误预测为正类的负类样本数量 FN = False Negatives (假阴性): 错误预测为负类的正类样本数量

标准代码如下

def dice_score(y_true, y_pred):
    intersection = np.logical_and(y_true, y_pred).sum()
    true_sum = y_true.sum()
    pred_sum = y_pred.sum()

    if true_sum == 0 or pred_sum == 0:
        return 0.0

    dice = (2.0 * intersection) / (true_sum + pred_sum)
    return round(float(dice), 3)

在sklearn库中也有对应的计算方法,可以使用metrics模块中的f1_score函数,因为在二分类问题中DICE系数与F1分数是等价的:

def dice_score(y_true, y_pred):
    from sklearn.metrics import f1_score
    dice = f1_score(y_true, y_pred)
    return round(float(dice), 3)