贝叶斯决策中的两类错误率分析

贝叶斯决策中的两类错误率分析

1. 问题的引入

不同情况的分类错误所带来的损失是不同的,故在很多问题中,两类并不是等同的。
在医学领域,人们通常用阳性(positive)和阴性(negative)来代表两类,阳性表示某一症状存在,或者检测到某一指标的异常,而阴性则表示所考查的症状不存在或者所监测的指标没有异常。
对疾病的诊断就是对阳性和阴性的一个两类决策问题。

决策 阳性 阴性
阳性 真阳性(TP) 假阳性(FP)
阴性 假阴性(FN) 真阴性(TN)

相应地,错误分类有假阳性和假阴性两种情况。

类别 含义
假阳性率 假阳性样本占总阴性样本的比例
假阴性率 假阴性样本占总阳性样本的比例

2. 方法的评价

在评价一种检测方法时,人们经常用的两个概念是灵敏度(sensitivity)和特异度(specificity)。如果用TP、TN、FP、FN分别表示真阳性、真阴性、假阳性、假阴性样本的个数。

评价指标 公式
  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

DeeGLMath

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值