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 |
---|