ROC评分中概念之阳性预测值/阴性预测值计算方法
Posted Tina姐
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了ROC评分中概念之阳性预测值/阴性预测值计算方法相关的知识,希望对你有一定的参考价值。
几个概念对应的英文
阳性:positive = P
阴性:negative = N
真阳性: true positive = TP
假阳性:false positive = FP
真阴性: true negative = TN
假阴性:false negative= FN
阳性预测值 = 真阳性例数 / (真阳性例数 + 假阳性例数)= TP / (TP + FP)
实际上就是在说:预测出来的所有阳性中,有多少是真阳性
阴性预测值 = 真阴性例数 / (真阴性例数 + 假阴性例数)= TN / (TN + FN)
特别的,灵敏度 = 真阳性人数 /(真阳性人数 + 假阴性人数)= TP / (TP + FN)
实际上就是在说:金标准所有阳性中,有多少被检出来的
特异度 = 真阴性人数 /(真阴性人数 + 假阳性人数)= TN / (TN + FP)
其中,金标准作为阴性阳性的判定标准
金标准和某检测方法的对比如下:
阳性预测值 = A / (A + C)
阴性预测值 = D / (D + B)
灵敏度 = A / (A + B)
特异度 = D / (C + D)
坚持已实践为主,手把手带你做项目,打比赛,写论文。凡原创文章皆提供理论讲解,实验代码,实验数据。只有实践才能成长的更快,关注我们,一起成长进步~
以上是关于ROC评分中概念之阳性预测值/阴性预测值计算方法的主要内容,如果未能解决你的问题,请参考以下文章
机器学习中的性能指标:精度召回率,PR曲线,ROC曲线和AUC,及示例代码