二元分类中的敏感性分析和召回分析不一样吗？答案

【问题标题】：Aren't sensitivity analysis and recall analysis same in binary classification?二元分类中的敏感性分析和召回分析不一样吗？
【发布时间】：2018-10-15 16:47:21
【问题描述】：

我收到了一位审稿人的评论，他建议我在手稿中提供敏感性分析。从广义上讲，我的问题是一个二元分类问题。我已经在手稿中给出了召回与精确度分析。

据我所知，二元分类中的召回率和灵敏度是相同的。审稿人没有抓住重点吗？还是我需要提供单独的敏感性分析？如果需要做敏感性分析，应该怎么做？

【问题讨论】：

也许他们指的是对您的训练/测试数据的敏感性。你做过交叉验证吗？
我保留了一个单独的验证集，并展示了对验证集的分析。
不能确定这是否是审稿人所指的内容，但交叉验证可以为您的工作提供更有力的理由。
好吧，我想他们错过了它，因为它是一份很长的手稿。感谢您的评论。

标签： precision-recall

【解决方案1】：

从统计上讲，敏感性分析并非旨在衡量模型相对于输入参数的质量。它旨在评估每个参数相对于您感兴趣的数量的重要性。

最著名的方法之一是称为Sobol' 索引。假设您有 2 个输入 x1, x2。如果S_x1=0.8 和S_x2=0.2，则表示由于x1，感兴趣数量的方差为80%，而x2 为20%（考虑到没有交互作用）。

在 python 中你有很多选项可以做到这一点（SALib、Batman、openTURNS），而在 R 中有包 敏感性。

【讨论】：