临床研究中利用sklearn做二分类和多分类ROC曲线(python全代码)

各位朋友大家好,我是环湖医院的医生飞时过,老生常谈的问题,但我觉得有必要谈清楚。首先说说混淆矩阵。在生成的混淆矩阵中,我觉得对于医疗环境来讲最有用的是敏感性(sensitivity),敏感性也要真阳性,也称之为召回率。

 

 因为敏感性表示的是所有真实是阳性的患者中被发现是阳性的概率,医生看的就是病,就像新冠一样,发现阳性是最重要的。

假阴性和真阳性相辅相成,我们希望预测分类的结果应该是真阳性高和假阴性低。

 

特异性也叫真阴性,它的意思是这个模型能发现的真正健康人的概率。

 

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    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
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

飞时过

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