我使用R v3.3.2和插页6.0.71(即最新版本)来构建逻辑回归分类器。我正在使用confusionMatrix函数来创建用于判断其性能的统计信息。R混淆矩阵的敏感性和特异性标签
logRegConfMat < - 混淆矩阵(logRegPrediction,valData [, “看”])
- 参考0,预测0 = 30
- 文献1中,预测0 = 14
- 参考0,预测1 = 60
- 文献1中,预测1 = 164
精度:0.7239
灵敏度:0.3333
特异性:0.9213
我的数据中的目标值(见)使用1作为真,0作为假。我假设混淆矩阵中的参考(基础真值)列和预测(分类器)行遵循相同的约定。因此,我的结果表明:
- 真阴性(TN)30个
- 真阳性(TP)164个
- 假阴性(FN)14个
- 误报(FP)60
问题:为什么敏感度为0.3333,特异度为0.9213?我会认为这是相反的 - 见下文。
我不愿意相信在R confusionMatrix函数中有bug,因为没有任何报告,这似乎是一个重大的错误。
关于计算的特异性和灵敏度大多数引用将它们定义如下 - 即www.medcalc.org/calc/diagnostic_test.php
- 灵敏度= TP /(TP + FN)= 164 /(164 + 14)= 0.9213
- 特异性= TN /(FP + TN)= 30 /(60 + 30)= 0.3333
谢谢 - 我从包笔者最大Kukn相同的答案。我建议任何人使用这个函数明确地给出积极的论点来避免这类问题。 – user1844985
@mtoto非常感谢,我花了几个小时想知道这个问题 – Diego