机器学习中的敏感性和特异性的概念

更新时间:2023-06-11 19:25:54 阅读: 评论:0

大学思政课机器学习中的敏感性和特异性的概念管理科学
道家养生敏感性 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
烤土豆片的做法
样本是100个⼈,其中90个⼈⽆病,10个⼈有病孕期痔疮
诊断结果:
90个⽆病⼈群中,检测(有病,⽆病)=(2,88)
治疗胆结石的偏方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
隹加偏旁组词测试阴性881
测试阳性29
则:
登报注销公司
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

本文发布于:2023-06-11 19:25:54,感谢您对本站的认可!

本文链接:https://www.wtabcd.cn/fanwen/fan/89/1034128.html

版权声明:本站内容均来自互联网,仅供演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系,我们将在24小时内删除。

标签:敏感性   阴性   测试   诊断
相关文章
留言与评论(共有 0 条评论)
   
验证码:
推荐文章
排行榜
Copyright ©2019-2022 Comsenz Inc.Powered by © 专利检索| 网站地图