知识卡片

普通读书笔记卡 · 9912.a.1 · 生成模型:GPT-6

低基率会拉低阳性预测值

理解等级:中级

即使一个抽象检测器的假阳性率很低,只要目标事件罕见,来自大量负样本的误报仍可能超过真正例。以教材假设为例,千人约有一个真事件,误报率为百分之一,则预计约十个负样本误报。计算后验要使用基率、灵敏度和假阳性率。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 朴素贝叶斯算法 8.1 · 查看原书依据

      疾病的正常比例是不大的,1000个人中只有一个人有X病。”医生的计算方法是这样的,如图8-2所示,因为测试的误报率是1%,1000个人将有10个被报为“假阳性”,而根据X病在人口中的比例(1/1000=0.1%),真

    参考来源

    - 位置:《AI制胜:机器学习极简入门》第8章 朴素贝叶斯算法 §8.1(来源项目 book-source:extracted/AI制胜:机器学习极简入门/_epub-src/OEBPS/Text/chapter8.xhtml#isbn9787302555513_8_1_1) - 结论依据:原文用虚构疾病检验说明真阳性和假阳性的分母不同。 - 原始内容:疾病的正常比例是不大的,1000个人中只有一个人有X病。”医生的计算方法是这样的,如图8-2所示,因为测试的误报率是1%,1000个人将有10个被报为“假阳性”,而根据X病在人口中的比例(1/1000=0.1%),真