Què és l’especificitat i la sensibilitat en la regressió logística?
Què és l’especificitat i la sensibilitat en la regressió logística?

Vídeo: Què és l’especificitat i la sensibilitat en la regressió logística?

Vídeo: Què és l’especificitat i la sensibilitat en la regressió logística?
Vídeo: Regresion Logística Interpretacion Coeficientes 2024, Juny
Anonim

Aquests dos valors s'anomenen Sensibilitat i Especificitat . Sensibilitat = d / (c + d): la proporció de positius observats que es va predir que seran positius. Especificitat = a / (a + b): la proporció de negatius observats que es va predir que serien negatius.

D’aquesta manera, què és l’especificitat en la regressió logística?

Especificitat (també anomenada taxa veritable negativa) mesura la proporció de negatius que s'identifiquen correctament com a tal (per exemple, el percentatge de persones sanes que s'identifiquen correctament com a no patint la malaltia) i és complementària a la taxa de falsos positius.

També sàpiga, què és sensibilitat i especificitat en R? Calcular Sensibilitat , Especificitat i valors predictius sensibilitat es defineix com la proporció de resultats positius del nombre de mostres que realment van ser positives. De la mateixa manera, quan no hi ha resultats negatius, especificitat no està definit i es torna un valor de NA.

De la mateixa manera, es pregunta: què és l’especificitat i la sensibilitat?

En diagnòstic mèdic, prova sensibilitat és la capacitat d'una prova per identificar correctament les persones amb la malaltia (taxa veritable positiva), mentre que la prova especificitat és la capacitat de la prova per identificar correctament aquells que no tenen la malaltia (taxa negativa real).

Què és sensibilitat i especificitat en la matriu de confusió?

Sensibilitat i especificitat Dividim el nombre de veritables positius pel nombre de tots els esdeveniments positius del conjunt de dades: els esdeveniments de classe positius predits correctament (TP) i els esdeveniments de classe positius predits incorrectament (FN).

Recomanat: