机器学习中的敏感性和特异性的概念

敏感性 Sensitivity

敏感性又称真阳性率，就是发病之后，你的诊断方法对疾病的敏感程度（识别能力）。

敏感性越高，漏诊概率越低。

特异性 Specificity

特异性又称真阴性率，不发病（我们这里称之为健康）的特征是有别于发病的特征的，我们利用这些差异避免误诊，那么诊断标准对于这些差异利用的如何就用特异性来表示。

特异性越高，确诊概率越高。

举个例子

样本是100个人，其中90个人无病，10个人有病

诊断结果：

90个无病人群中，检测（有病，无病）=（2，88）

10个有病人群中，检测（有病，无病）=（9，1）

结果	真实阴性	真实阳性
测试阴性	88	1
测试阳性	2	9

则:

真阴性率TN = 88/(88+2) = 0.9777

真阳性率TP = 9/(1+9) = 0.9

简而言之

敏感性就是测试阳性 / 真实阳性，特异性就是测试阴性 / 真实阴性