складність 2/5
Specificity
Визначення
Із усього, що справді було негативним, — частка, яку модель правильно лишила без уваги; це recall, обчислений на негативному класі.
Формула
Інтуїція
Recall питає, скільки справжніх позитивів модель упіймала. Специфічність ставить те саме питання про інший клас: із усього, що було істинно негативним, скільки модель правильно лишила без уваги?
Це метрика, яка помічає хибні тривоги з погляду здорової популяції, а не черги позначених. Ця різниця важить більше, ніж здається, і саме тому медицина звітує специфічність там, де машинне навчання зазвичай звітує достовірність.
Формальне визначення
Як це працює
Де застосовується
Чому і коли
Практичний приклад
Типові помилки
Перевірте себе
3 запитання
Запитання до цієї сторінки входять у доступ. Їх перевіряє сервер, тож відповіді лишаються там, доки ви не дасте свою.
На шпаргалці: Classification metrics →
Джерела
- scikit-learn — sklearn.metrics.confusion_matrixdocs · звірено 2026-08-30https://scikit-learn.org/stable/modules/generated/sklearn.metrics.confusion_matrix.html
- Machine Learning Crash Course — Classification: accuracy, recall, precision, and related metricscourse · звірено 2026-10-04https://developers.google.com/machine-learning/crash-course/classification/accuracy-precision-recall
- Machine Learning Crash Course — Classification: ROC and AUCcourse · звірено 2026-10-06https://developers.google.com/machine-learning/crash-course/classification/roc-and-auc
- Introduction to Information Retrieval (2008)bookhttps://nlp.stanford.edu/IR-book/html/htmledition/irbook.html