《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