Hassasiyet, özgüllük, kesinlik, kesinlik ve hatırlama arasındaki farkı hatırlamanın en iyi yolu nedir?

49

Bu şartları 502847894789 kez görmüş olmama rağmen, yaşamım boyunca hassasiyet, özgüllük, kesinlik, kesinlik ve hatırlama arasındaki farkı hatırlayamıyorum. Oldukça basit kavramlar, ancak isimler benim için son derece sezgisel değil, bu yüzden birbirleriyle karıştırılmaya devam ediyorum. Bu kavramları düşünmenin iyi bir yolu nedir, böylece isimler anlamlı olmaya başlar?

Başka bir deyişle, neden bu isimler diğer bazı isimlerin aksine, bu kavramlar için seçildi?

terminology accuracy sensitivity-specificity

— Jessica
kaynak

3

Hatırlamanın en iyi yolu, bunun veya o özelliğin odaklandığı gerçek bir yaşam çalışmasını hatırlamaktır. Yani bağlamsal et yardımcı olur.

— ttnphns

1

Benim için bu kavramları hatırlamanın en iyi yolu Wikipedia bağlantısının içindeki 2 × 2 olasılık tablosundan geçiyor .

— Randel

1

@ Ttnphns: "bağlamsal eti" harika bir yazım hatası!

— amip Reinstate Monica’nın

4

Hatırlama duyarlılıktır, uğraşmanız gereken daha az şey var. :)

— Penguin_Knight

1

Sadece burada tutmak için, bu yazı güzel bir açıklama sunar: uberpython.wordpress.com/2012/01/01/…

— Maxim.K

9

Şahsen bilgi alma hakkında düşünerek hassasiyet ve hatırlama (aka duyarlılık) arasındaki farkı hatırlıyorum:

Geri çağırma, başarılı bir şekilde alınan sorgu ile ilgili belgelerin fraksiyonudur, dolayısıyla adı (İngilizce hatırlama = bir şeyi hatırlama işlemi).
Kesinlik, elde edilen belgelerin, kullanıcının bilgi ihtiyacına uygun olan kısmıdır. Her nasılsa, birkaç çekim yaparsınız ve çoğu hedefine ulaşırsa (ilgili belgeler), o zaman kaç çekim yaptığınıza (alınan belge sayısı) bağımsız olarak yüksek bir hassasiyete sahip olursunuz.

— Franck Dernoncourt
kaynak

32

Kesinlik ve geri çağırma için, her biri payda olarak farklı bir paydaya bölünen gerçek pozitif (TP) değerdir.

P hareketi : TP / P pozitif
R eCall: TP / R, kornea pozitif

— beardc
kaynak

Ancak, bu cevabın faydalı olması için TP, TN, FN ve FP tanımlarını hatırlamanız gerekir.

— nbro

15

Anımsatıcılar, insanın tek nemesisini özenle ortadan kaldırır: yetersiz beyin deposu.

SNOUT SPIN var:

Bir S , e n sitive testi, zaman , N egative kuralları ÇIKIŞ hastalığı
Bir Sp ecific testi, zaman P ositive, kurallar İÇİNDE bir hastalık.

Santrifüjde dönen bir domuz hayal ediyorum, belki de bu anımsatıcıyı hatırlamama yardımcı olmak için, uzaya girmeye hazırlanıyor. Temayı uygun şekilde değiştiren kelimelerle Kuyruk Spin'e aldatmak, belirli bir neslin müzikal olarak eğilmesine yardımcı olabilir.

Başkalarının farkında değilim.

— Dimitriy V. Masterov
kaynak

SNOUT ve SPIN kuralları aldatıcı bir şekilde basittir. Testin ne kadar hassas veya özel olduğuna bakılmaksızın güveninizi olumlu veya olumsuz bir test sonucuna koymadan önce gerçekten iyi hassasiyet, özgüllük ve yaygınlık tahminlerine sahip olmalısınız. Bu web sitesine göz atın: kennis-research.shinyapps.io/Bayes-App . Örneğin, 1,000 başına 5 sıklık girme. duyarlılık = .90, özgüllük = .99 (Bayes Kuralı üzerinden) .2857 nispeten düşük pozitif bir prediktif değer üretir.

— RobertF

5

İkili sınıflandırma bağlamında:

Doğruluk - Model kaç doğru örneği etiketledi?

Hatırlama - Model ne kadar sıklıkla pozitif bulabildi?

Hassasiyet - Örnek, bir durumun olumlu olduğunu söylediğinde ne kadar inandırıcı?

— peace_within_reach
kaynak

1

Bu terimler arasındaki farkı anlamama yardımcı olacak etkileşimli bir karışıklık tablosu oluşturdum: http://zyxue.github.io/2018/05/15/on-the-p-value.html#interactive-confusion-table . Birisi de faydalı bulabilirse bağlantıyı buraya postalarım.

— zyxue
kaynak

0

Kesinlik ile kesinlik arasındaki farkı hatırlamak için TARP kelimesini kullanıyorum.

TARP: Doğru = Doğruluk, Göreceli = Hassas.

Doğruluk, bir ölçümün TRUE değerine ne kadar yakın olduğunu ölçer; standart / kabul edilen değer ise GERÇEK'dir.

Hassas ölçümler, birbirine ne kadar yakın ölçümlerin birbiriyle ilişkili olduğunu veya çeşitli ölçümler arasındaki yayılmanın ne kadar düşük olduğunu ölçer.

Doğruluk doğrudur, kesinlik göreliliktir.

Bu yardımcı olur umarım.

— Dillan Prasad
kaynak