Apa cara terbaik untuk mengingat perbedaan antara sensitivitas, spesifisitas, presisi, akurasi, dan daya ingat?

Meskipun telah melihat istilah ini 502847894789 kali, saya tidak bisa seumur hidup saya mengingat perbedaan antara sensitivitas, spesifisitas, ketepatan, akurasi, dan daya ingat. Itu konsep yang cukup sederhana, tetapi nama-nama itu sangat tidak intuitif bagi saya, jadi saya terus membuat mereka bingung satu sama lain. Apa cara yang baik untuk berpikir tentang konsep-konsep ini sehingga nama mulai masuk akal?

Dengan kata lain, mengapa nama-nama ini dipilih untuk konsep-konsep ini, berbeda dengan beberapa nama lain?

Secara pribadi saya ingat perbedaan antara ketepatan dan daya ingat (alias sensitivitas) dengan memikirkan pengambilan informasi:

• Ingat adalah sebagian kecil dari dokumen yang relevan dengan permintaan yang berhasil diambil, maka namanya (dalam bahasa Inggris recall = tindakan mengingat sesuatu).
• Presisi adalah sebagian kecil dari dokumen yang diambil yang relevan dengan kebutuhan informasi pengguna. Entah bagaimana Anda mengambil beberapa pemotretan dan jika sebagian besar dari mereka mendapatkan target mereka (dokumen yang relevan) maka Anda memiliki presisi tinggi, terlepas dari berapa banyak pemotretan yang Anda tembakkan (jumlah dokumen yang didapat).

Untuk ketepatan dan daya ingat, masing-masing adalah true positive (TP) sebagai pembilang dibagi dengan penyebut yang berbeda.

• P recision: TP / P redicted positive
• R ecall: TP / R positif

Mnemonik dengan rapi menghilangkan satu-satunya musuh manusia: penyimpanan otak yang tidak mencukupi.

Ada SNOUT SPIN:

• Sebuah S e n tes rahasia dan sensitif, ketika N aturan egative OUT penyakit
• Sebuah Sp tes ecific, ketika P ositive, aturan DI penyakit.

Saya membayangkan seekor babi berputar di centrifuge, mungkin dalam persiapan untuk pergi ke luar angkasa, untuk membantu saya mengingat mnemonik ini. Menyenandungkan tema untuk Tail Spin dengan kata-kata yang diubah dengan tepat dapat membantu musik yang cenderung dari generasi tertentu.

Saya tidak tahu ada yang lain.

Dalam konteks klasifikasi biner:

Akurasi - Berapa banyak contoh yang dilabeli model dengan benar?

Ingat - Seberapa sering model dapat menemukan hal positif?

Presisi - Seberapa dapat dipercaya model tersebut ketika dikatakan bahwa sebuah instance adalah positif?

Saya membuat tabel kebingungan interaktif untuk membantu saya memahami perbedaan antara istilah-istilah ini: http://zyxue.github.io/2018/05/15/on-the-p-value.html#interactive-confusion-table . Saya memposting tautan di sini untuk berjaga-jaga jika ada yang merasa terbantu juga.

Saya menggunakan kata TARP untuk mengingat perbedaan antara akurasi dan presisi.

TARP: True = Akurasi, Relatif = Presisi.

Akurasi mengukur seberapa dekat pengukuran dengan nilai TRUE, karena standar / nilai yang diterima adalah kebenaran.

Presisi mengukur seberapa dekat pengukuran RELATIF satu sama lain, atau seberapa rendah penyebaran antara berbagai pengukuran.

Akurasi adalah kebenaran, ketepatan adalah relativitas.

Semoga ini membantu.