敏感性与特异性的关系.doc

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:→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)。→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。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——TruePositive(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——TrueNegative(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——FalsePositive(假正,FP)被模型预测为正的负样本;可以称作误报率FN——FalseNegative(假负,FN)被模型预测为负的正样本;可以称作漏报率TruePositiveRate(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TrueNegativeRate(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FalsePositiveRate(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FalseNegativeRate(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