সংবেদনশীলতা, নির্দিষ্টতা, যথার্থতা, নির্ভুলতা এবং পুনরুদ্ধারের মধ্যে পার্থক্যটি স্মরণ করার সর্বোত্তম উপায় কী?


49

এই শর্তগুলি 502847894789 বার দেখা সত্ত্বেও, আমি আমার জীবনের সংবেদনশীলতা, স্পষ্টতা, যথার্থতা, নির্ভুলতা এবং পুনরুদ্ধারের মধ্যে পার্থক্যটি মনে করতে পারি না। এগুলি বেশ সহজ ধারণা, তবে নামগুলি আমার কাছে অত্যন্ত অপ্রচলিত, তাই আমি তাদের একে অপরের সাথে বিভ্রান্ত করতে থাকি। নামগুলি অনুধাবন করা শুরু করে এই ধারণাগুলি সম্পর্কে ভাবার ভাল উপায় কী?

আরেকটি উপায় রাখুন, কেন এই নামগুলি এই ধারণাগুলির জন্য বেছে নেওয়া হয়েছিল, অন্য কয়েকটি নামের বিপরীতে?


3
মনে রাখার সেরা উপায় হ'ল একটি বাস্তব জীবন অধ্যয়নকে স্মরণ করা যেখানে এই বা সেই বৈশিষ্ট্যটি ফোকাসে ছিল। অর্থাত প্রাসঙ্গিক মাংস সাহায্য করে।
ttnphns

1
আমার জন্য, এই ধারণাগুলি মনে রাখার সর্বোত্তম উপায় হ'ল উইকিপিডিয়া লিঙ্কের মধ্যে 2 × 2 কন্টিজেন্সি টেবিলের মাধ্যমে ।
র্যান্ডেল

1
@ttnphns: "প্রাসঙ্গিক মাংস" একটি দুর্দান্ত টাইপ!
অ্যামিবা

4
পুনরুদ্ধার সংবেদনশীলতা, সেখানে আপনার মোকাবেলা করার জন্য আরও কিছু কম রয়েছে। :)
পেঙ্গুইন_কেট

1
কেবল এটি এখানে রাখার জন্য, এই পোস্টটি একটি দুর্দান্ত ব্যাখ্যা দেয়: uberpython.wordpress.com/2012/01/01/…
ম্যাক্সিম.এম

উত্তর:


9

ব্যক্তিগতভাবে আমি তথ্য পুনরুদ্ধার সম্পর্কে চিন্তা করে যথার্থতা এবং পুনর্বিবেচনার (ওরফে সংবেদনশীলতা) মধ্যে পার্থক্য মনে করি:

  • পুনরুদ্ধার হ'ল ডকুমেন্টগুলির ভগ্নাংশ যা সাফল্যের সাথে পুনরুদ্ধার করা ক্যোয়ারীর সাথে প্রাসঙ্গিক, সুতরাং এর নাম (ইংরাজীতে পুনরুদ্ধার করুন = কিছু মনে রাখার ক্রিয়া)।
  • যথার্থতা হ'ল ডকুমেন্টগুলির পুনরায় প্রাপ্ত অংশগুলি যা ব্যবহারকারীর তথ্যের প্রয়োজনীয়তার সাথে প্রাসঙ্গিক। কোনওভাবে আপনি কয়েকটি শট নেন এবং তাদের বেশিরভাগ যদি তাদের লক্ষ্য (প্রাসঙ্গিক নথি) পান তবে আপনি কতটা গুলি চালিয়েছেন তা নির্বিশেষে আপনার একটি উচ্চ নির্ভুলতা রয়েছে (যেগুলি নথিপত্র পুনরুদ্ধার হয়েছে)।

32

যথার্থতা এবং পুনরুদ্ধারের জন্য, প্রতিটি হ'ল প্রকৃত ধনাত্মক (টিপি) হ'ল পৃথক পৃথক সংখ্যক দ্বারা বিভাজন করা হয়।

  • পি পুনর্বিবেচনা: টিপি / পি ইতিবাচককে পুনরায় চিত্রিত করেছে
  • আর ইকেল: টিপি / আর ইল পজিটিভ

তবে এই উত্তরটি কার্যকর হওয়ার জন্য আপনার টিপি, টিএন, এফএন এবং এফপির সংজ্ঞাটি মনে রাখতে হবে।
এনবিরো

15

স্মৃতিবিজ্ঞান ঝরঝরেভাবে মানুষের একমাত্র নেমেসিসকে অপ্রয়োজনীয়: সেরিব্রাল স্টোরেজ অপসারণ করে।

স্পট স্পিন আছে:

  • একটি এসএন সিটিভ টেস্ট, যখন এন উদাহরণস্বরূপ রোগের বাইরে চলে
  • একজন অধিকৃত ecific পরীক্ষা, যখন পি ositive, বিধি ইন একটি রোগ।

আমি এই স্মৃতিবিজড়তা স্মরণে রাখতে সাহায্য করার জন্য, একটি কেন্দ্রীভূত অঞ্চলে একটি শূকরের চারপাশে ঘুরে বেড়াচ্ছে বলে ধারণা করছি space যথাযথভাবে পরিবর্তিত শব্দগুলির সাথে টেল স্পিনে থিমটি হুমিং করা নির্দিষ্ট প্রজন্মের সংগীতকে ঝুঁকতে সহায়তা করতে পারে।

আমি অন্য কারও সম্পর্কে অবগত নই।


SNOUT এবং স্পিন বিধিগুলি ছদ্মবেশী সহজ। পরীক্ষাটি যত সংবেদনশীল বা সুনির্দিষ্ট হোক না কেন, আপনার ইতিবাচক বা নেতিবাচক পরীক্ষার ফলাফলের উপর আপনার আস্থা রাখার আগে সংবেদনশীলতা, স্পষ্টতা এবং প্রসার সম্পর্কে সত্যিকারের ভাল অনুমান করা উচিত। এই ওয়েবসাইটটি দেখুন: kennis-research.shinyapps.io/Bayes-App । উদাহরণস্বরূপ, প্রতি 1000 প্রতি 5 এর প্রবণতা প্রবেশ করানো। সংবেদনশীলতা = .90, সুনির্দিষ্টতা = .99 উত্পাদন করে (বেইস রুলের মাধ্যমে) .2857 এর অপেক্ষাকৃত কম ধনাত্মক ভবিষ্যদ্বাণীমূলক মান।
রবার্টএফ

5

বাইনারি শ্রেণিবিন্যাসের প্রসঙ্গে:

নির্ভুলতা - মডেলটি সঠিকভাবে কতগুলি উদাহরণ লেবেল করেছে?

প্রত্যাহার করুন - মডেল কতবার ইতিবাচক সন্ধান করতে সক্ষম হয়েছিল?

যথার্থতা - যখন উদাহরণটি ধনাত্মক বলে তখন মডেলটি কতটা বিশ্বাসযোগ্য?


1

আমি এই পদগুলির মধ্যে পার্থক্য বুঝতে আমাকে সহায়তা করার জন্য একটি ইন্টারেক্টিভ বিভ্রান্তি সারণী তৈরি করেছি: http://zyxue.github.io/2018/05/15/on-the-p-value.html#interactive-confusion-table । আমি যদি এখানে লিঙ্কটি পোস্ট করি তবে কেউ যদি এটির সহায়কও পেতে পারে।


0

আমি নির্ভুলতা এবং নির্ভুলতার মধ্যে পার্থক্য মনে রাখতে টিআরপি শব্দটি ব্যবহার করি।

টিআরপি: সত্য = নির্ভুলতা, আপেক্ষিক = যথার্থতা।

নির্ভুলতা পরিমাপ / মান হিসাবে মান হিসাবে সত্য হিসাবে মান পরিমাপের কতটা কাছাকাছি হয় তা পরিমাপ করে।

নির্ভুলতা পরিমাপ করে যে একে অপরের সাথে কীভাবে পরিমাপ করা যায়, বা বিভিন্ন পরিমাপের মধ্যে বিস্তার কত কম।

যথার্থতা সত্য, নির্ভুলতা আপেক্ষিকতা।

আশাকরি এটা সাহায্য করবে.

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.