混淆矩阵中的敏感性是什么？

Question

混淆矩阵是一种表，通常用于描述一组测试数据的分类模型(或“分类器”)的性能，而真实值是已知的。混淆矩阵本身相对简单易懂，但相关术语可能令人困惑。

混淆矩阵中的敏感性是什么？

Answer 1

敏感性或真实召回率：

敏感性计算为正确的正向预测数(TP)除以阳性的总数(P)。

Answer 2

灵敏度= TP/(TP+FN)

它定义了预测的正确性。因此，它的意义在医学应用中是有用的，高灵敏度模型将在疾病测试中给出更加强调的文本结果。

Answer 3

敏感性回忆是指正确识别类中的点数(真阳性；TP)除以类中的总点数(阳性；P)。

在对类(P)的预测中，您将正确地识别类中的某些点(真阳性；TP)，并将某些点错误地分类为另一个类(假否定；FN)。因此，P= TP + FN

灵敏度= TP/P = TP/(TP+FN)