R Confusion Matrix Чувствительность и специфичность маркировки
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 = 164Точность: 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) 60Вопрос: 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