ГОСТ Р 70462.1—2022
- ложноотрицательный экземпляр (FN, промах, ошибка типа II): экземпляр принадлежит классу и
прогнозируется как не относящийся к классу.
Несколько метрик построены на основе этих выборочных характеристик, как представлено в та
блице 1:
- доля истинно положительных результатов (true positive rate, TPR), чувствительность (sensitivity):
доля истинно положительных результатов (также известная как чувствительность, полнота или вероят
ность обнаружения) указывает на долю объектов, правильно классифицированных как положительные, в
общем количестве действительно положительных объектов;
- доля истинно отрицательных результатов (true negative rate, TNR), специфичность (specificity):
доля истинно отрицательных результатов (также известная как специфичность или избирательность)
указывает долю объектов, правильно классифицированных как отрицательные, в общем количестве
отрицательных объектов;
- доля ложноположительных результатов (false positive rate, FPR): доля ложноположительных ре
зультатов (также известная как выпадение или вероятность ложной тревоги) указывает долю объектов,
ошибочно классифицированных как положительные, которые являются отрицательными. Таким обра
зом задается вероятность ложной тревоги;
- доля ложноотрицательных результатов (false negative rate, FNR): доля ложноотрицательных ре
зультатов (также известная как доля промахов) указывает на долю объектов, ложно классифицирован
ных как отрицательные, в общем количестве положительных объектов;
- достоверность (accuracy, ACC): достоверность указывает долю всех правильно классифициро
ванных объектов;
- положительная прогностическая ценность (positive predictive value, PPV): положительная про
гностическая ценность (также известная как точность или релевантность) указывает долю результатов,
правильно классифицированных как положительные среди общего числа результатов, классифициро
ванных как положительные;
- отрицательная прогностическая ценность (negative predictive value, NPV): отрицательная про
гностическая ценность (также известная как способность разделения) указывает долю результатов,
правильно классифицированных как отрицательные среди общего числа результатов, классифициро
ванных как отрицательные;
- коэффициент ложного обнаружения (false discovery rate, FDR): коэффициент ложного обнаруже
ния указывает соотношение ошибочно отклоненных нулевых гипотез (ложные срабатывания, ложные
тревоги, ошибки типа I) к общему количеству отклоненных нулевых гипотез (положительные результаты
прогнозирования);
- коэффициент ложных пропусков (false omission rate, FOR): коэффициент ложных пропусков ука
зывает на соотношение ошибочно отклоненных ложных отрицательных результатов к общему количе
ству прогнозируемых отрицательных результатов;
- отношение положительного правдоподобия
RL+
(likelihood relation
RL+)’.
положительное отноше
ние правдоподобия указывает отношение истинных положительных результатов к количеству ложнопо
ложительных результатов;
- отношение отрицательного правдоподобия
RL_
(likelihood relation
R
L_): отношение отрицатель
ного правдоподобия указывает отношение ложноотрицательных результатов к количеству истинно от
рицательных результатов;
- диагностическая вероятность (diagnostic odds rate, DOR): указывает отношение вероятности ис
тинных положительных результатов к вероятности ложных положительных результатов и не зависит от
распространенности.
8