민감도(Sensitivity) & 특이도(Specificity) 예시
CODEDRAGON ㆍDevelopment/AI
반응형
민감도(Sensitivity) & 특이도(Specificity) 예시
민감도(Sensitivity) 계산
|
|
|
Predict Negative |
Predict Positive |
Predict data |
|
|
|
PN=0 |
PP=1 |
total |
|
True Negative |
TN=0 |
5 (TN) |
2 (FP) |
7 (N) |
|
True Positive |
TP=1 |
3 (FN) |
5 (TP) |
8 (P) |
|
Actual data |
total |
8 |
7 |
15 |
|
지표 |
계산값 |
|
민감도(Sensitivity) = TPR |
5/8=0.625 |
|
특이도(Specificity) = 1-FPR |
FPR: 2/7=0.2857
1-2/7=0.7143 |
특이도(Specificity) 계산
|
|
|
Predict Negative |
Predict Positive |
Predict data |
|
|
|
PN=0 |
PP=1 |
total |
|
True Negative |
TN=0 |
5 (TN) |
2 (FP) |
7 (N) |
|
True Positive |
TP=1 |
3 (FN) |
5 (TP) |
8 (P) |
|
Actual data |
total |
8 |
7 |
15 |
|
지표 |
계산값 |
|
민감도(Sensitivity) = TPR |
5/8=0.625 |
|
특이도(Specificity) = 1-FPR |
FPR: 2/7=0.2857
1-2/7=0.7143 |
'Development > AI' 카테고리의 다른 글
| 대푯값 (0) | 2020.02.03 |
|---|---|
| 수치형 데이터 vs 범주형 데이터 - 양적 자료(quantitative data) vs 질적자료(qualitative data) (0) | 2020.02.03 |
| 커널 함수 종류 (0) | 2020.02.02 |
| AUC (Area Under the ROC Curve)해석 (0) | 2020.02.02 |
| TPR(True Positive Rate) vs FPR(False Positive Rate) (0) | 2020.02.01 |