敏感性(sen)
敏感性指由金標準確診為有病地實驗組內所檢測出陽性病例數的比率（%），即實驗診斷的真陽性率。其敏感性越高，假陰率也就越低。假陰率等於漏診率，因此，敏感性高的實驗診斷用於疾病診斷時，其值越高，漏診的機會就越小。所以敏感性和假陰性率具有互補性。即 敏感性 = 真陽性 / 陽性病例數特異性(spe)
是指由金標準確診為無病的對照組內所檢測出陰性人數的比率（%），即診斷實驗的真陰性率。特異性越高，其假陽性率也就越低。假陽性率等於誤診率，因此，特異性越高的檢驗診斷方法用於疾病診斷時，其發生誤診的機會就越少。由此可見，特異性和假陽性率也具有互補性。即：特異性=真陰性 / 陰性病例數陽性**值(postive predictive value -- ppv)
又稱**陽性結果的正確率，是指待評價的診斷試驗結果判為陽性例數中，真正患某病的例數所佔的比例，即從陽性結果中能**真正患病的百分數，這也是臨床醫生最關心的診斷指標。陽性**值的高低主要受患病率的影響，因此，臨床實驗診斷研究的陽性**值能在不同的患病率情況下指導臨床醫師合理運用實驗診斷專案。即：陽性**值=真陽性/（真陽性+假陽性）陰性**值（negative predictive value -- npv）
又稱**陰性結果的正確率，是指臨床診斷實驗檢測出的全部陰性例數中，真正沒有患本病的例數所佔的比例。一般情況下（患病率）敏感性越高的實驗診斷專案，其陰性**值越高，相反，特異性越高的臨床實驗診斷陽性**值越好。但是，患病率對**值的影響要比敏感性和特異性的影響更為重要。即：陰性**值=真陰性 /（真陰性+假陰性）受試者工作特徵曲線 （receiver operating characteristic curve，roc）
受試者工作特徵曲線就是以假陽性概率（false positive rate）為橫軸，真陽性（true positive rate）為縱軸所組成的座標圖，和受試者在特定刺激條件下由於採用不同的判斷標準得出的不同結果畫出的曲線。診斷實驗評價指標的應用及分析roc曲線是根據一系列不同的二分類方式（分界值或決定閾），以真陽性率（靈敏度）為縱座標，假陽性率（1-特異度）為橫座標繪製的曲線。傳統的診斷試驗評價方法有乙個共同的特點，必須將試驗結果分為兩類，再進行統計分析。roc曲線的評價方法與傳統的評價方法不同，無須此限制，而是根據實際情況，允許有中間狀態，可以把試驗結果劃分為多個有序分類，如正常、大致正常、可疑、大致異常和異常五個等級再進行統計分析。
auc: 乙個正例，乙個負例，**為正的概率值比**為負的概率值還要大的可能性
auc,roc講解
多分類roc曲線
聚類的一些評價指標
什麼是聚類 聚類簡單的說就是要把乙個文件集合根據文件的相似性把文件分成若干類，但是究竟分成多少類，這個要取決於文件集合裡文件自身的性質。下面這個圖就是乙個簡單的例子，我們可以把不同的文件聚合為3類。另外聚類是典型的無指導學習，所謂無指導學習是指不需要有人干預，無須人為文件進行標註。聚類的評價 既然聚...
評價指標 分類演算法中常用的評價指標
對於分類演算法，常用的評價指標有 1 precision 2 recall 3 f score 4 accuracy 5 roc 6 auc ps 不建議翻譯成中文，尤其是precision和accuracy，容易引起歧義。1.混淆矩陣 混淆矩陣是監督學習中的一種視覺化工具，主要用於比較分類結果和例...
分類常用的評價指標
accuracy number of correct predictions total number of predictions 對於二元分類，也可以根據正類別和負類別按如下方式計算準確率 accuracy tp tn tp fp tn fn 其中，tp 真正例，tn 真負例，fp 假正例，fn...