MCDMClassification Metric
特異度（Specificity）
特異度は、分類器が実際の陰性症例のうち、どれだけ正確に陰性として識別できたかの割合を測定します。これは「真に陰性であった症例のうち、どれだけを我々は正しく除外できたか？」という問いに答えます。特異度は再現率（Recall）の補数であり、偽陽性（False Positive）のコストが高い場合に不可欠です。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
手法マップ
関連する手法の近傍 — ノードを選択して探索できます。
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Specificity (True Negative Rate). ScholarGate. https://scholargate.app/ja/model-evaluation/specificity
どの手法を選ぶ？
この手法を最も近い類縁の手法と並べ、両者を見比べてください — ライブラリは本を机の上に並べるだけ。選ぶのはあなたです。
- Balanced Accuracyモデル評価↔ 比較
- F1スコアモデル評価↔ 比較
- マシューズ相関係数 (Matthews Correlation Coefficient)モデル評価↔ 比較
- 精度（Precision）モデル評価↔ 比較
- Recall (感度)モデル評価↔ 比較