Cách tốt nhất để ghi nhớ sự khác biệt giữa độ nhạy, độ đặc hiệu, độ chính xác, độ chính xác và thu hồi là gì?


49

Mặc dù đã thấy những điều khoản này 502847894789 lần, tôi không thể nhớ được sự khác biệt giữa độ nhạy, độ đặc hiệu, độ chính xác, độ chính xác và độ nhớ. Chúng là những khái niệm khá đơn giản, nhưng những cái tên rất không trực quan đối với tôi, vì vậy tôi cứ bị nhầm lẫn với nhau. Một cách tốt để suy nghĩ về các khái niệm này để các tên bắt đầu có ý nghĩa là gì?

Nói cách khác, tại sao những cái tên này được chọn cho các khái niệm này, trái ngược với một số tên khác?


3
Cách tốt nhất để nhớ là nhớ lại một nghiên cứu thực tế trong đó đặc điểm này hoặc đặc điểm đó là trọng tâm. Tức là thịt theo ngữ cảnh giúp.
ttnphns

1
Đối với tôi, cách tốt nhất để ghi nhớ các khái niệm này là thông qua bảng dự phòng 2 × 2 trong liên kết Wikipedia .
Randel

1
@ttnphns: "xác thịt theo ngữ cảnh" là một lỗi đánh máy tuyệt vời!
amip nói phục hồi Monica

4
Nhớ lại là sự nhạy cảm, có một ít để giải quyết. :)
Penguin_Knight

1
Chỉ cần giữ nó ở đây, bài đăng này cung cấp một lời giải thích hay: uberpython.wordpress.com/2012/01/01/iêu
Maxim.K

Câu trả lời:


9

Cá nhân tôi nhớ sự khác biệt giữa độ chính xác và thu hồi (hay còn gọi là độ nhạy) bằng cách suy nghĩ về truy xuất thông tin:

  • Nhớ lại là một phần của các tài liệu có liên quan đến truy vấn được truy xuất thành công, do đó tên của nó (trong tiếng Anh gọi lại = hành động ghi nhớ một cái gì đó).
  • Độ chính xác là một phần của các tài liệu được truy xuất có liên quan đến nhu cầu thông tin của người dùng. Bằng cách nào đó bạn chụp một vài bức ảnh và nếu hầu hết trong số họ có mục tiêu (tài liệu liên quan) thì bạn có độ chính xác cao, bất kể bạn đã bắn bao nhiêu bức ảnh (số lượng tài liệu được lấy).

32

Đối với độ chính xác và thu hồi, mỗi số là dương thực sự (TP) khi tử số chia cho một mẫu số khác nhau.

  • P recision: TP / P được xác định lại tích cực
  • R ecall: TP / R eal dương

Tuy nhiên, bạn cần nhớ định nghĩa của TP, TN, FN và FP để câu trả lời này có ích.
nbro

15

Mnemonics loại bỏ gọn gàng kẻ thù duy nhất của con người: lưu trữ não không đủ.

Có SNIN SPIN:

  • Một S e n thử nghiệm sitive, khi N quy tắc egative OUT bệnh
  • Một xét nghiệm sinh thái Sp , khi P ositive, quy tắc IN một bệnh.

Tôi tưởng tượng một con lợn quay xung quanh trong một máy ly tâm, có lẽ để chuẩn bị đi vào không gian, để giúp tôi nhớ về việc ghi nhớ này. Việc ngân nga chủ đề cho Tail Spin với các từ được thay đổi phù hợp có thể giúp âm nhạc nghiêng về một thế hệ nhất định.

Tôi không nhận thức được bất kỳ người khác.


Các quy tắc SNOUT và SPIN rất đơn giản. Bạn thực sự phải có ước tính tốt về độ nhạy, độ đặc hiệu và tỷ lệ lưu hành trước khi đặt niềm tin vào kết quả xét nghiệm dương tính hoặc âm tính, bất kể xét nghiệm nhạy cảm hay cụ thể như thế nào. Kiểm tra trang web này: kennis-research.shinyapps.io/Bayes-App . Ví dụ: nhập tỷ lệ 5 trên 1.000. độ nhạy = 0,90, độ đặc hiệu = 0,99 tạo ra (thông qua Quy tắc Bayes) giá trị tiên đoán dương tương đối thấp là 0,2857.
RobertF

5

Trong bối cảnh phân loại nhị phân:

Độ chính xác - Có bao nhiêu trường hợp nhãn mô hình chính xác?

Nhớ lại - Bao lâu thì mô hình có thể tìm thấy tích cực?

Độ chính xác - Làm thế nào đáng tin cậy mô hình khi nó nói một trường hợp là một tích cực?



0

Tôi sử dụng từ Tpeg để ghi nhớ sự khác biệt giữa độ chính xác và độ chính xác.

Tpeg: True = Độ chính xác, Tương đối = Chính xác.

Độ chính xác đo lường mức độ gần với phép đo với giá trị TRUE, vì giá trị tiêu chuẩn / được chấp nhận là SỰ THẬT.

Các phép đo chính xác làm thế nào các phép đo gần nhau là ĐÁNG TIN CẬY với nhau, hoặc mức độ chênh lệch giữa các phép đo khác nhau thấp đến mức nào.

Độ chính xác là sự thật, độ chính xác là tương đối.

Hi vọng điêu nay co ich.

Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.