敏感性与特异性的关系

《敏感性与特异性的关系》由会员分享，可在线阅读，更多相关《敏感性与特异性的关系（2页珍藏版）》请在金锄头文库上搜索。

1、敏感性与特异性的关系敏感性（具有该特性的对象被预知的可能性大小）=真阳性率=a/a+c；特异性（对象所具有的特殊属性的程度）=真阴性率=d/b+d；漏诊率=1-敏感性=c/a+c；误诊率=1-特异性=b/b+d敏感性与特异性的关系：1.高敏感性上述a增大L线下移，无限接近X轴但是无法达到（存在的必然性）c、d越来越小，b越来越大，即低漏诊率，高误诊率和低真阴性率（低特异性）。2.高特异性上述d增大L线上移，无限接近+但是无法达到（存在的必然性）a、b越来越小，c越来越大，即高漏诊率，低误诊率和低真阳性率（低敏感性）。由此可见，高敏感性与高特异性不可兼得：高敏感性则低特异性，高特异性则低敏感性。

2、可采用敏感性高与特异性高的不同方法相结合。英文名词：TP True Positive （真正, TP）被模型预测为正的正样本；可以称作判断为真的正确率TN True Negative（真负 , TN）被模型预测为负的负样本 ；可以称作判断为假的正确率FP False Positive （假正, FP）被模型预测为正的负样本；可以称作误报率FNFalse Negative（假负 , FN）被模型预测为负的正样本；可以称作漏报率True Positive Rate（真正率 , TPR）或灵敏度（sensitivity） TPR = TP /（TP + FN） 正样本预测结果数 / 正样本实际数True Negative Rate（真负率 , TNR）或特异度（specificity） TNR = TN /（TN + FP） 负样本预测结果数 / 负样本实际数False Positive Rate （假正率, FPR） FPR = FP /（FP + TN） 被预测为正的负样本结果数 / 负样本实际数False Negative Rate（假负率 , FNR） FNR = FN /（TP + FN） 被预测为负的正样本结果数 / 正样本实际数