查准率、召回率、敏感性、特异性和F1-score的计算及Matlab实现

最新推荐文章于 2025-07-09 21:37:50 发布

原创

最新推荐文章于 2025-07-09 21:37:50 发布 · 置顶 · 1.6w 阅读

73 ·

CC 4.0 BY-SA版权

文章标签：

#评价算法 #Matlab

查准率(Precision)：所有诊断为患病（1）样本中实际为患病的比率。

召回率(Recall)：所有患病样本中被发现并诊断为患病的比率。

查准率 = TP/(TP+FP)

召回率 = TP/P = TP/(TP+FN)

敏感性 = TP/P = TP/(TP+FN)

特异性 = TN/N = TN/(TN+FP)

F1-Score = 2*Precision*Recall/(Precision+Recall)

可以利用CV集通过比较不同判断阈值得到的F1来判断用哪个阈值更好。

查准率、召回率、敏感性、特异性和F1-score的计算及Matlab实现：

%样本标记为0和1，num为选取前n个特征的数据用于分类
%需要安装好SVM
function [sens,spec,F1,pre,rec,acc] = SEERES(train,trainclass,test,testclass,num)
acc = zeros(num,1);
sens = zeros(num,1);
spec = zeros(num,1);
F1 = zeros(num,1);
pre = zeros(num,1);
rec = zeros(num,1);
FeatureNumber = zeros(num,1);
[len,b]=size(testclass);

for n=1:num
    label = trainclass;
    data = train(:,1:n);
    testlabel = testclass;
    testdata = test(:,1:n);
    model=svmtrain(label,data,'-s 0 -t 0 -b 1');%默认C-S