【发布时间】：2021-04-01 21:12:39
【问题描述】：
如果我有一个包含两个类的图像数据集：正常和异常，除了准确度指标之外，我还想添加敏感性和特异性标准。 那么，如何引入这两个指标来计算模型的性能。 谢谢
【问题讨论】：
标签： machine-learning confusion-matrix
【发布时间】：2021-04-01 21:12:39
【问题描述】：
您可以从
打印分类报告https://scikit-learn.org/stable/modules/generated/sklearn.metrics.classification_report
您只需打印即可访问指标（'accuracy'、'f1'、'recall'、'precision'）
打印（分类报告（y_true，y_pred））
如果您不使用 python，您知道准确度计算为 TP + TN / (TP + TN + FP + FN) 其中 TP = 真阳性，TN = 真阴性，FP = 假阳性，FN = 假否定的。
同样，
recall = 灵敏度 = TP / (TP + FN) -- 为多类问题中的每个类定义
specificity = TN / (TN + FP) -- 为多类问题中的每个类定义（我不认为 sklearn 直接返回特异性（在 python 中），因此您可能必须为此定义一个函数）
您可以从混淆矩阵中得到值 TN、TP、FP、FN
【讨论】：