Positiver vorhersagewert versus sensitivität: was ist der unterschied?

Eine der gebräuchlichsten Methoden zur Bewertung der Leistung eines Klassifizierungsmodells ist die Erstellung einer Verwirrungsmatrix, die die vorhergesagten Ergebnisse des Modells mit den tatsächlichen Ergebnissen des Datensatzes zusammenfasst.

Zwei Metriken, die uns in einer Verwirrungsmatrix häufig interessieren, sind der positive Vorhersagewert und die Sensitivität .

Der positive Vorhersagewert ist die Wahrscheinlichkeit, dass eine Beobachtung mit einem positiv vorhergesagten Ergebnis tatsächlich ein positives Ergebnis hat .

Es wird wie folgt berechnet:

Positiver Vorhersagewert = True Positives / (True Positives + False Positives)

Sensitivität ist die Wahrscheinlichkeit, dass eine Beobachtung mit einem positiven Ergebnis tatsächlich ein positives vorhergesagtes Ergebnis hat.

Es wird wie folgt berechnet:

Sensitivität = Echt-Positiv / (Wahr-Positiv + Falsch-Negativ)

Das folgende Beispiel zeigt, wie diese beiden Metriken in der Praxis berechnet werden.

Beispiel: Berechnung des positiven Vorhersagewerts und der Sensitivität

Angenommen, ein Arzt verwendet ein logistisches Regressionsmodell, um vorherzusagen, ob 400 Menschen an einer bestimmten Krankheit leiden oder nicht.

Die folgende Verwirrungsmatrix fasst die vom Modell getroffenen Vorhersagen zusammen:

Wir würden den positiven Vorhersagewert wie folgt berechnen:

• Positiver Vorhersagewert = True Positives / (True Positives + False Positives)
• Positiver Vorhersagewert = 15 / (15 + 10)
• Positiver Vorhersagewert = 0,60

Dies sagt uns, dass die Wahrscheinlichkeit, dass jemand, der ein positives Testergebnis erhält, tatsächlich an der Krankheit leidet , 0,60 beträgt.

Die Sensitivität würden wir wie folgt berechnen:

• Sensitivität = Echt-Positiv / (Wahr-Positiv + Falsch-Negativ)
• Empfindlichkeit = 15 / (15 + 5)
• Empfindlichkeit = 0,75

Das sagt uns, dass die Wahrscheinlichkeit, dass jemand mit der Krankheit tatsächlich ein positives Testergebnis erhält, 0,75 beträgt.

Zusätzliche Ressourcen

Die folgenden Tutorials erklären, wie man eine Verwirrungsmatrix in verschiedenen Statistikprogrammen erstellt:

So erstellen Sie eine Verwirrungsmatrix in Excel
So erstellen Sie eine Verwirrungsmatrix in R
So erstellen Sie eine Verwirrungsmatrix in Python