03.3.7
Sensitivitas / Spesifisitas
Ringkasan
- Sensitivitas dan spesifisitas: menyeimbangkan false negative dan false positiveの概要を押さえ、評価対象と読み取り方を整理します。
- Python 3.13 のコード例で算出・可視化し、手順と実務での確認ポイントを確認します。
- 図表や補助指標を組み合わせ、モデル比較や閾値調整に活かすヒントをまとめます。
1. Definisi #
Dari matriks kebingungan kita peroleh:
$$ \mathrm{Sensitivity} = \frac{TP}{TP + FN}, \qquad \mathrm{Specificity} = \frac{TN}{TN + FP} $$- Sensitivitas tinggi berarti sedikit kasus positif yang terlewat.
- Spesifisitas tinggi berarti sedikit kasus negatif yang salah diprediksi sebagai positif.
2. Perhitungan di Python 3.13 #
| |
| |
Dalam scikit-learn, sensitivitas adalah recall. Spesifisitas dapat dihitung dengan recall_score(y_true, y_pred, pos_label=0) atau secara manual seperti contoh di atas.
3. Trade-off lewat penyesuaian ambang #
Pada model yang menghasilkan probabilitas, mengubah ambang keputusan akan memengaruhi sensitivitas dan spesifisitas.
| |
- Setiap titik pada kurva ROC mewakili pasangan sensitivitas/spesifisitas tertentu.
- Jika biaya kesalahan diketahui, optimalkan ambang menggunakan indeks Youden atau fungsi biaya yang relevan.
4. Indeks Youden untuk kompromi seimbang #
Indeks Youden mendefinisikan kompromi sederhana antara keduanya:
$$ J = \mathrm{Sensitivity} + \mathrm{Specificity} - 1 $$Ambang yang memaksimalkan \(J\) biasanya memberikan keseimbangan yang baik ketika kedua jenis kesalahan penting.
5. Panduan praktis #
- Fokus sensitivitas: Skrining penyakit serius memprioritaskan sensitivitas agar kasus positif tidak terlewat.
- Fokus spesifisitas: Pada deteksi penipuan, spesifisitas tinggi mencegah transaksi sah diblokir secara keliru.
- Pelaporan metrik: Sajikan sensitivitas dan spesifisitas berdampingan dengan Accuracy supaya pemangku kepentingan bisa menilai risiko secara eksplisit.
Ringkasan #
- Sensitivitas memantau kasus positif yang terlewat, sedangkan spesifisitas memantau alarm palsu pada negatif.
- Mengatur ambang keputusan mengubah keseimbangan keduanya—sesuaikan dengan biaya bisnis.
- Gunakan indeks Youden dan metrik pelengkap untuk mengungkap risiko yang tidak terlihat hanya dengan Accuracy.