Was ist der beste Weg, um den Unterschied zwischen Sensitivität, Spezifität, Präzision, Genauigkeit und Erinnerung zu merken?

49

Obwohl ich diese Begriffe 502847894789-mal gesehen habe, kann ich mich ein Leben lang nicht an den Unterschied zwischen Sensibilität, Spezifität, Präzision, Genauigkeit und Erinnerung erinnern. Das sind ziemlich einfache Konzepte, aber die Namen sind für mich sehr uninteressant, deshalb verwechsle ich sie immer wieder. Was ist eine gute Möglichkeit, über diese Konzepte nachzudenken, damit die Namen Sinn ergeben?

Anders ausgedrückt, warum wurden diese Namen für diese Konzepte ausgewählt, im Gegensatz zu einigen anderen Namen?

terminology accuracy sensitivity-specificity Jessica
quelle
3
Der beste Weg, sich zu erinnern, ist, sich an eine echte Studie zu erinnern, bei der dieses oder jenes Merkmal im Mittelpunkt stand. Dh kontextuelles Fleisch hilft.
TTNPHNS
1
Für mich ist der beste Weg, sich an diese Konzepte zu erinnern, die 2 × 2-Kontingenztabelle innerhalb des Wikipedia-Links .
Randel
1
@ttnphns: "Kontext-Fleisch" ist ein toller Tippfehler!
Amöbe sagt Reinstate Monica
4
Rückruf ist Sensibilität, da muss man sich weniger auseinandersetzen. :)
Penguin_Knight
1
Nur um es hier zu behalten, bietet dieser Beitrag eine nette Erklärung: uberpython.wordpress.com/2012/01/01/…
Maxim.K 18.11.17

Antworten:

9

Persönlich erinnere ich mich an den Unterschied zwischen Präzision und Erinnerung (auch bekannt als Sensitivität), indem ich über das Abrufen von Informationen nachdachte:

  • Rückruf ist der Bruchteil der Dokumente, die für die Abfrage relevant sind, die erfolgreich abgerufen wurden, daher der Name (in englischer Sprache Rückruf = das Erinnern an etwas).
  • Präzision ist der Bruchteil der abgerufenen Dokumente, der für den Informationsbedarf des Benutzers relevant ist. Irgendwie macht man ein paar Aufnahmen und wenn die meisten von ihnen ihr Ziel erreicht haben (relevante Dokumente), haben Sie eine hohe Präzision, unabhängig davon, wie viele Aufnahmen Sie gemacht haben (Anzahl der Dokumente, die abgerufen wurden).
Franck Dernoncourt
quelle
32

Aus Gründen der Genauigkeit und des Abrufs ist jeder Wert der wahre positive Wert (TP) als Zähler geteilt durch einen anderen Nenner.

  • P- Rezision: TP / P als positiv eingestuft
  • R eCall: TP / R eal positiv
beardc
quelle
Sie müssen sich jedoch die Definition von TP, TN, FN und FP merken, damit diese Antwort nützlich ist.
Nr.
15

Mnemonics eliminieren die einzige Nemesis des Menschen: unzureichende zerebrale Speicherung.

Es gibt SNOUT SPIN:

  • A S e n sitive Test, wenn N egative Regeln OUT Krankheit
  • Ein Sp ecific Test, wenn P ositive, Regeln IN einer Krankheit.

Ich stelle mir ein Schwein vor, das in einer Zentrifuge herumwirbelt, vielleicht um sich auf den Weltraum vorzubereiten, um mir dabei zu helfen, mich an dieses Mnemon zu erinnern. Das Brummen des Themas zu Tail Spin mit den entsprechend geänderten Wörtern kann den musikalischen Neigungen einer bestimmten Generation helfen.

Andere sind mir nicht bekannt.

Dimitriy V. Masterov
quelle
Die SNOUT- und SPIN-Regeln sind täuschend einfach. Sie sollten wirklich eine gute Einschätzung der Sensitivität, Spezifität und Prävalenz haben, bevor Sie einem positiven oder negativen Testergebnis vertrauen, egal wie sensitiv oder spezifisch der Test ist. Schauen Sie sich diese Website an: kennis-research.shinyapps.io/Bayes-App . Beispiel: Geben Sie eine Prävalenz von 5 pro 1.000 ein. Empfindlichkeit = 0,90, Spezifität = 0,99 ergibt (über die Bayes-Regel) einen relativ niedrigen positiven Vorhersagewert von 0,2857.
RobertF
5

Im Rahmen der binären Klassifikation:

Genauigkeit - Wie viele Instanzen hat das Modell korrekt beschriftet?

Rückruf - Wie oft konnte das Modell Positive finden?

Präzision - Wie glaubwürdig ist das Modell, wenn es besagt, dass eine Instanz positiv ist?

Frieden_in_Reach
quelle
0

Ich benutze das Wort TARP, um mich an den Unterschied zwischen Genauigkeit und Präzision zu erinnern.

TARP: True = Genauigkeit, Relative = Präzision.

Die Genauigkeit misst, wie nahe eine Messung am WAHR-Wert liegt, da der Standard- / Akzeptanzwert die WAHRHEIT ist.

Die Präzision misst, wie eng die Messungen zueinander sind oder wie gering die Streuung zwischen verschiedenen Messungen ist.

Genauigkeit ist Wahrheit, Präzision ist Relativität.

Hoffe das hilft.

Dillan Prasad
quelle