আমি বিভিন্ন পরিভাষার সাথে পরিচিত। আপনি যাকে নির্ভুলতা বলছেন আমি ইতিবাচক ভবিষ্যদ্বাণীমূলক মান (পিপিভি) করব। এবং আপনি যা প্রত্যাহার কল করবেন আমি সংবেদনশীলতা (সংবেদন) কল করব। :
http://en.wikipedia.org/wiki/Receiver_operating_characteristic
সংবেদনশীলতার ক্ষেত্রে (প্রত্যাহার) এর ক্ষেত্রে, ডিনোমিনেটরটি যদি শূন্য হয় (যেমন আম্রো দেখায়) তবে কোনও ধনাত্মক ঘটনা নেই, সুতরাং শ্রেণিবিন্যাস অর্থহীন। (এটি টিপি বা এফএন উভয়ই শূন্য হওয়া বন্ধ করে না, যার ফলে 1 বা 0 এর সীমিত সংবেদনশীলতা দেখা দেবে in এই পয়েন্টগুলি যথাক্রমে আরওসি বক্ররেখার উপরের ডান এবং নীচে বাম কোণে রয়েছে - টিপিআর = 1 এবং টিপিআর = 0। )
পিপিভির সীমা যদিও অর্থবহ। পরীক্ষার কাট-অফের পক্ষে এত বেশি (বা নিম্ন) সেট করা সম্ভব হয় যাতে সমস্ত ক্ষেত্রে নেতিবাচক হিসাবে পূর্বাভাস দেওয়া হয়। এটি আরওসি বক্ররেখার উত্সতে। কাটফটটি উৎপত্তিস্থলের পৌঁছানোর ঠিক আগে পিপিভি-র সীমাবদ্ধতা মূল্যটি উত্সের ঠিক আগে আরওসি বক্রের চূড়ান্ত বিভাগটি বিবেচনা করে অনুমান করা যায়। (আরওসি বক্ররেখা কুখ্যাত কোলাহলপূর্ণ হওয়ায় মডেল করা আরও ভাল)
উদাহরণস্বরূপ, যদি 100 টি প্রকৃত ধনাত্মক এবং 100 প্রকৃত negativeণাত্মক এবং আরওসি বক্ররেখার চূড়ান্ত সেগনেট টিপিআর = 0.08, এফপিআর = 0.02 থেকে আসে তবে সীমাবদ্ধ পিপিভি হবে পিপিআর ~ 0.08 * 100 / (0.08 * 100 + 0.02 * 100 ) = 8/10 = 0.8 অর্থাত্ সত্য পজিটিভ হওয়ার 80% সম্ভাবনা।
অনুশীলনে প্রতিটি নমুনাটি আরওসি বক্ররেখার একটি বিভাগ দ্বারা উপস্থাপিত হয় - একটি প্রকৃত ধনাত্মক হওয়ার জন্য প্রকৃত নেতিবাচক এবং অনুভূমিকের জন্য অনুভূমিক। কেউ উত্থানের আগে খুব শেষ বিভাগ দ্বারা সীমাবদ্ধ পিপিভি অনুমান করতে পারে, তবে এটি সর্বশেষ নমুনাটি সত্য পজিটিভ, মিথ্যা পজিটিভ (প্রকৃত নেতিবাচক) বা তৈরি কিনা তার উপর নির্ভর করে 1, 0 বা 0.5 এর একটি সীমিত পিভিভি দেবে সমান টিপি এবং এফপি এর। একটি মডেলিংয়ের পদ্ধতিটি আরও ভাল হবে, সম্ভবত উপাত্তগুলি বাইনাল হিসাবে ধরে নেওয়া - একটি সাধারণ অনুমান, যেমন:
http://mdm.sagepub.com/content/8/3/197.short