Specificitet
Specificitet mäter andelen faktiska negativa fall som korrekt identifierades som negativa av klassificeraren. Den besvarar frågan: 'Av alla fall som verkligen var negativa, hur många avvisade vi korrekt?' Specificitet är komplementär till sensitivitet (recall) och är avgörande när falska positiva är kostsamma.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Specificity (True Negative Rate). ScholarGate. https://scholargate.app/sv/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.
- Balanserad träffsäkerhetModellutvärdering↔ compare
- F1-poängModellutvärdering↔ compare
- Matthews KorrelationskoefficientModellutvärdering↔ compare
- PrecisionModellutvärdering↔ compare
- Recall (känslighet)Modellutvärdering↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →