知识卡片
基率影响阳性预测值
同一检测的阳性预测值依赖被检测人群的基率。原书虚构例子中,1 万人患病率 1%,灵敏度 99%、特异性 98%,预期真阳性 99、假阳性 198,因此阳性者实际患病比例为 99/(99+198)=1/3。这里特异性是实际未患病者中检测阴性的比例,不是阴性结果中健康者的比例;计算依赖给定人群和检测性能假设。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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
- 概率 · 查看原书依据
这种情况下,是99/(99+198)
参考来源
- 位置:《深度学习:从基础到实践(上下册)》第3章《概率》(来源项目 `extracted/深度学习:从基础到实践(上下册)/_epub-src/text/part0010_split_008.html`)
- 结论依据:原文给出混淆矩阵公式及虚构案例;本卡区分原文混淆的条件概率。
- 原始内容:这种情况下,是99/(99+198)(或者说0.33、33%)。这说明测试有99%的概率正确诊断人们的患病情况。但是,当得出一个阳性结果时,这个人有2/3的概率未患病。换句话说,大多数的阳性诊断结果都是错误的。 之所以会