敏感性 Sensitivity

敏感性又稱真陽性率，就是發病之后，你的診斷方法對疾病的敏感程度（識別能力）。

敏感性越高，漏診概率越低。

特異性 Specificity

特異性又稱真陰性率，不發病（我們這里稱之為健康）的特征是有別于發病的特征的，我們利用這些差異避免誤診，那么診斷標準對于這些差異利用的如何就用特異性來表示。

特異性越高，確診概率越高。

舉個例子

樣本是100個人，其中90個人無病，10個人有病

診斷結果：

90個無病人群中，檢測（有病，無病）=（2，88）

10個有病人群中，檢測（有病，無病）=（9，1）

結果真實陰性真實陽性

測試陰性	88	1
測試陽性	2	9

則:

真陰性率TN = 88/(88+2) = 0.9777

真陽性率TP = 9/(1+9) = 0.9

簡而言之

敏感性就是測試陽性 / 真實陽性，特異性就是測試陰性 / 真實陰性

總結

以上是生活随笔為你收集整理的机器学习中的敏感性和特异性的概念的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。