2025年机器学习中的敏感性和特异性的概念

机器学习中的敏感性和特异性的概念敏感性 Sensitivity 敏感性又称真阳性率 就是发病之后 你的诊断方法对疾病的敏感程度 识别能力 敏感性越高 漏诊概率越低 特异性 Specificity 特异性又称真阴性率 不发病 我们这里称之为健康

大家好,我是讯享网,很高兴认识大家。

敏感性 Sensitivity

敏感性又称真阳性率,就是发病之后,你的诊断方法对疾病的敏感程度(识别能力)

敏感性越高,漏诊概率越低。

特异性 Specificity

特异性又称真阴性率,不发病(我们这里称之为健康)的特征是有别于发病的特征的,我们利用这些差异避免误诊,那么诊断标准对于这些差异利用的如何就用特异性来表示。

特异性越高,确诊概率越高。

举个例子

example
讯享网

样本是100个人,其中90个人无病,10个人有病

诊断结果:

90个无病人群中,检测(有病,无病)=(2,88)

10个有病人群中,检测(有病,无病)=(9,1)

结果 真实阴性 真实阳性
测试阴性 88 1
测试阳性 2 9

则:

真阴性率TN = 88/(88+2) = 0.9777

真阳性率TP = 9/(1+9) = 0.9

简而言之

敏感性就是测试阳性 / 真实阳性,特异性就是测试阴性 / 真实阴性

这里写图片描述

小讯
上一篇 2025-03-06 21:40
下一篇 2025-03-15 10:58

相关推荐

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容,请联系我们,一经查实,本站将立刻删除。
如需转载请保留出处:https://51itzy.com/kjqy/16862.html