Spezifität
Spezifität misst den Anteil der tatsächlichen negativen Fälle, die vom Klassifikator korrekt als negativ identifiziert wurden. Sie beantwortet die Frage: 'Von allen Fällen, die tatsächlich negativ waren, wie viele haben wir korrekt abgelehnt?' Die Spezifität ist komplementär zur Sensitivität (Recall) und unerlässlich, wenn falsch positive Ergebnisse kostspielig sind.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Specificity (True Negative Rate). ScholarGate. https://scholargate.app/de/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.
- Balanced AccuracyModellevaluation↔ compare
- F1-ScoreModellevaluation↔ compare
- Matthews-KorrelationskoeffizientModellevaluation↔ compare
- PräzisionModellevaluation↔ compare
- Recall (Sensitivität)Modellevaluation↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →