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

机器学习中的敏感性和特异性的概念

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

机器学习中的敏感性和特异性的概念

相关文章:

  • 2021-11-10
  • 2022-01-06
  • 2022-01-06
  • 2022-12-23
  • 2018-08-21
  • 2021-10-24
  • 2022-12-23
  • 2021-06-09
猜你喜欢
  • 2021-11-17
  • 2021-12-29
  • 2021-08-16
  • 2021-11-08
  • 2021-08-06
  • 2021-04-16
相关资源
相似解决方案