Я использую R v3.3.2 и Caret 6.0.71 (т.е. последние версии) для построения классификатора логистической регрессии. Я использую функцию confusionMatrix для создания статистики для оценки ее производительности.

logRegConfMat <- confusionMatrix (logRegPrediction, valData [, "Seen"])

Ссылка 0, Прогноз 0 = 30Ссылка 1, Прогноз 0 = 14Ссылка 0, прогноз 1 = 60Ссылка 1, Прогноз 1 = 164

Точность: 0,7239
Чувствительность: 0.3333
Специфичность: 0,9213

Целевое значение в моих данных (Seen) использует 1 для true и 0 для false. Я предполагаю, что столбцы Reference (Ground true) и Predication (Classifier) ​​в матрице путаницы следуют одному и тому же соглашению. Поэтому мои результаты показывают:

True Negatives (TN) 30Истинные позитивы (TP) 164Ложные негативы (FN) 14Ложные срабатывания (FP) 60

Вопрос: Почему чувствительность равна 0,3333, а специфичность - 0,9213? Я бы подумал, что все наоборот - см. Ниже.

Я не хочу верить, что в функции R confusionMatrix есть ошибка, так как ничего не сообщалось, и это, кажется, существенная ошибка.

Большинство ссылок о расчете специфичности и чувствительности определяют их следующим образом, т.е.www.medcalc.org/calc/diagnostic_test.php

Чувствительность = TP / (TP + FN) = 164 / (164 + 14) = 0,9213Специфичность = TN / (FP + TN) = 30 / (60 + 30) = 0,3333