Sensitivity, specificity, positive prediction rate,negative prediction rate, misclassification error

在统计学和机器学习中，敏感性（Sensitivity）、特异性（Specificity）、阳性预测值（Positive Prediction Rate, PPV）、阴性预测值（Negative Prediction Rate, NPV）和误分类错误（Misclassification Error）是评估分类模型性能的常用指标。以下是每个指标的定义：

1. 敏感性（Sensitivity）：
   • 也称为真正率（True Positive Rate, TPR）或召回率（Recall）。
   • 定义：所有实际正例中被正确预测为正例的比例。
   • 计算公式：
   $$\text{Sensitivity}=\frac{TP}{TP+FN}$$
   • 其中 TP 是真正例（True Positives），FN 是假负例（False Negatives）。
2. 特异性（Specificity）：
   • 也称为真负率（True Negative Rate, TNR）。
   • 定义：所有实际负例中被正确预测为负例的比例。
   • 计算公式：
   $$\text{Specificity}=$$