SE、SP和YI是评估分类模型性能时常用的几个统计指标,特别是在医学影像处理、疾病诊断等领域,这些指标帮助了解模型对于正负类样本的识别能力。
-
SE (Sensitivity),也称为真正率(True Positive Rate, TPR)或召回率(Recall),衡量的是模型正确识别正类(病例)的能力。计算公式为:其中,TP(True Positives)是真正例的数量,FN(False Negatives)是假负例的数量。

-
SP (Specificity),也称为真负率(True Negative Rate, TNR),衡量的是模型正确识别负类(非病例)的能力。计算公式为:其中,TN(True Negatives)是真负例的数量,FP(False Positives)是假正例的数量。

-
YI (Youden’s Index),也称为Youden指数,是一个综合考虑了敏感性和特异性的指标,用于评价测试的总体有效性。计算公式为:Youden指数的范围从0到1,值越大表示测试的性能越好,即同时具有较高的敏感性和特异性。

本文介绍了在医学影像处理和疾病诊断中常用的SE(敏感性)、SP(特异性)和YI(Youden指数)评估指标,强调它们在理解模型性能、处理类别不平衡数据以及优化模型识别能力的重要性。
最低0.47元/天 解锁文章
2541

被折叠的 条评论
为什么被折叠?



