敏感性和特异性的理解笔记

写专利时，查找关于使用离散数据结构用于分子相互作用预测文献中，把敏感性和特异性也关注了一下。

之前和师兄合作论文的时候，只是死记硬背TP、TN等指标，但是仔细回想以前讨论时候师兄实际已经和实验室的同学用实例说明了这个问题，而且服务计算国际会议上也有老师提问过其他讲者这个问题。

对于敏感性sensitivity，也就是真阳性率，表明的是真正有病的样本在所有预测有病的样本中所占的比例。

而对于特异性specificity，是真阴性率，表明的是真正没病的样本在所有预测没病的样本中所占的比例。

由于敏感性中如果预测有病但没病，这个重要性不如尽量减少预测没病但是实际有病的样本比率。这说明，在实际诊断专家系统中，两个指标中更为重要的是特异性。

sensitivity = recall = true positive rate

specificity = 1- false positive rate

转载于:https://www.cnblogs.com/ubiwind/p/11416786.html