¿Cuál es la mejor manera de recordar la diferencia entre sensibilidad, especificidad, precisión, exactitud y recuperación?

50

A pesar de haber visto estos términos 502847894789 veces, no puedo recordar la diferencia entre sensibilidad, especificidad, precisión, exactitud y recuerdo. Son conceptos bastante simples, pero los nombres son muy poco intuitivos para mí, por lo que sigo confundiéndolos entre sí. ¿Cuál es una buena manera de pensar sobre estos conceptos para que los nombres comiencen a tener sentido?

Dicho de otra manera, ¿por qué se eligieron estos nombres para estos conceptos, a diferencia de otros nombres?

terminology accuracy sensitivity-specificity

— Jessica
fuente

3

La mejor manera de recordar es recordar un estudio de la vida real donde esta o aquella característica estaba en el foco. Es decir, la carne contextual ayuda.

— ttnphns

1

Para mí, la mejor manera de recordar estos conceptos es a través de la tabla de contingencia 2 × 2 dentro del enlace de Wikipedia .

— Randel

1

@ttnphns: "carne contextual" es un gran error tipográfico!

— ameba dice Reinstate Monica

44

Recordar es sensibilidad, ahí tienes uno menos con el que lidiar. :)

— Penguin_Knight 01 de

1

Solo para mantenerlo aquí, esta publicación ofrece una buena explicación: uberpython.wordpress.com/2012/01/01/…

— Maxim.K

9

Personalmente, recuerdo la diferencia entre precisión y recuperación (también conocida como sensibilidad) al pensar en la recuperación de información:

La recuperación es la fracción de los documentos que son relevantes para la consulta que se recuperaron con éxito, de ahí su nombre (en inglés recordar = la acción de recordar algo).
La precisión es la fracción de los documentos recuperados que son relevantes para la necesidad de información del usuario. De alguna manera, usted toma algunos disparos y si la mayoría de ellos obtuvieron su objetivo (documentos relevantes), entonces tiene una alta precisión, independientemente de cuántos disparos haya disparado (número de documentos que se recuperaron).

— Franck Dernoncourt
fuente

32

Para precisión y recuperación, cada uno es el verdadero positivo (TP) como el numerador dividido por un denominador diferente.

P recision: TP / P redicted positivo
R ecall: TP / R eal positivo

— beardc
fuente

Sin embargo, debe recordar la definición de TP, TN, FN y FP para que esta respuesta sea útil.

— nbro

15

Los mnemónicos eliminan perfectamente la única némesis del hombre: almacenamiento cerebral insuficiente.

Hay SNOUT SPIN:

A S e n prueba sitive, cuando N reglas egative OUT enfermedad
A Sp prueba ecific, cuando P ositive, las normas EN una enfermedad.

Me imagino a un cerdo dando vueltas en una centrífuga, tal vez en preparación para ir al espacio, para ayudarme a recordar esta mnemotecnia. Tararear el tema a Tail Spin con las palabras apropiadamente cambiadas puede ayudar a los musicalmente inclinados de cierta generación.

No estoy al tanto de otros.

— Dimitriy V. Masterov
fuente

Las reglas SNOUT y SPIN son engañosamente simples. Realmente debe tener buenas estimaciones de sensibilidad, especificidad y prevalencia antes de confiar en un resultado positivo o negativo, sin importar cuán sensible o específica sea la prueba. Echa un vistazo a este sitio web: kennis-research.shinyapps.io/Bayes-App . Por ejemplo, al ingresar una prevalencia de 5 por 1,000. sensibilidad = .90, especificidad = .99 produce (a través de la regla de Bayes) un valor predictivo positivo relativamente bajo de .2857.

— RobertF

5

En el contexto de la clasificación binaria:

Precisión: ¿en cuántas instancias se etiquetó correctamente el modelo?

Recordar: ¿con qué frecuencia el modelo pudo encontrar aspectos positivos?

Precisión: ¿cuán creíble es el modelo cuando dice que una instancia es positiva?

— Peace_within_reach
fuente

1

Creé una tabla de confusión interactiva para ayudarme a comprender la diferencia entre estos términos: http://zyxue.github.io/2018/05/15/on-the-p-value.html#interactive-confusion-table . Publico el enlace aquí en caso de que alguien pueda encontrarlo útil también.

— zyxue
fuente

0

Uso la palabra TARP para recordar la diferencia entre precisión y precisión.

TARP: Verdadero = Precisión, Relativo = Precisión.

La precisión mide qué tan cerca está una medición del valor VERDADERO, ya que el valor estándar / aceptado es la VERDAD.

La precisión mide cuán cercanas son las mediciones RELATIVAS entre sí, o qué tan baja es la extensión entre varias mediciones.

La precisión es verdad, la precisión es relatividad.

Espero que esto ayude.

— Dillan Prasad
fuente