Specificitet
Specificitet måler andelen af faktiske negative tilfælde, der blev korrekt identificeret som negative af klassifikatoren. Den besvarer spørgsmålet: 'Af alle de tilfælde, der var sandt negative, hvor mange afviste vi korrekt?' Specificitet er komplementær til sensitivitet (recall) og er essentiel, når falske positiver er dyre.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Fawcett, T. (2006). An introduction to ROC analysis. Pattern Recognition Letters, 27(8), 861-874. DOI: 10.1016/j.patrec.2005.10.010 ↗
- Powers, D. M. (2011). Evaluation: From Precision, Recall and F-Measure to ROC, Informedness, Markedness and Correlation. Journal of Machine Learning Technologies, 2(1), 37-63. link ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Specificity (True Negative Rate). ScholarGate. https://scholargate.app/da/model-evaluation/specificity
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Balanceret nøjagtighedModelevaluering↔ compare
- F1-scoreModelevaluering↔ compare
- Matthews KorrelationskoefficientModelevaluering↔ compare
- PræcisionModelevaluering↔ compare
- Genkald (Sensitivitet)Modelevaluering↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →