Dodatnia wartość predykcyjna a czułość: jaka jest różnica?

Jednym z najczęstszych sposobów oceny wydajności modelu klasyfikacyjnego jest utworzenie macierzy zamieszania, która podsumowuje przewidywane wyniki modelu w porównaniu z rzeczywistymi wynikami zbioru danych.

Dwie metryki, które często interesują nas w macierzy zamieszania, to dodatnia wartość predykcyjna i czułość .

Dodatnia wartość predykcyjna to prawdopodobieństwo, że obserwacja z pozytywnym przewidywanym wynikiem faktycznie przyniesie pozytywny wynik.

Oblicza się go w następujący sposób:

Dodatnia wartość predykcyjna = prawdziwie dodatnie / (prawdziwie dodatnie + fałszywie dodatnie)

Czułość to prawdopodobieństwo, że obserwacja z wynikiem pozytywnym faktycznie przyniesie pozytywny przewidywany wynik.

Oblicza się go w następujący sposób:

Czułość = prawdziwie pozytywne / (prawdziwie pozytywne + fałszywie negatywne)

Poniższy przykład pokazuje, jak w praktyce obliczyć te dwie metryki.

Przykład: Obliczenie dodatniej wartości predykcyjnej i czułości

Załóżmy, że lekarz stosuje model regresji logistycznej , aby przewidzieć, czy 400 osób będzie cierpiało na określoną chorobę.

Poniższa macierz zamieszania podsumowuje przewidywania dokonane przez model:

Dodatnią wartość predykcyjną obliczylibyśmy w następujący sposób:

• Dodatnia wartość predykcyjna = prawdziwie dodatnie / (prawdziwie dodatnie + fałszywie dodatnie)
• Dodatnia wartość predykcyjna = 15 / (15 + 10)
• Dodatnia wartość predykcyjna = 0,60

To mówi nam, że prawdopodobieństwo, że ktoś, kto otrzyma pozytywny wynik testu, faktycznie jest zakażony, wynosi 0,60 .

Obliczamy czułość w następujący sposób:

• Czułość = prawdziwie pozytywne / (prawdziwie pozytywne + fałszywie negatywne)
• Czułość = 15 / (15 + 5)
• Czułość = 0,75

To mówi nam, że prawdopodobieństwo, że osoba chora faktycznie otrzyma pozytywny wynik testu, wynosi 0,75 .

Dodatkowe zasoby

Poniższe samouczki wyjaśniają, jak utworzyć macierz zamieszania w różnych programach statystycznych:

Jak utworzyć macierz zamieszania w programie Excel
Jak utworzyć macierz zamieszania w R
Jak utworzyć macierz zamieszania w Pythonie