临床分类模型常用指标

临床分类模型常用指标包括歧视度（discrimination）、ROC曲线、AUC、敏感性（sensitivity）和特异性（specificity）等。\[1\] 歧视度是指模型对不同类别之间的区分能力，常用的指标有ROC曲线和AUC。ROC曲线是以假阳性率（false positive rate）为横轴，真阳性率（true positive rate）为纵轴绘制的曲线，AUC则是ROC曲线下的面积，用来评估模型的分类性能。敏感性是指模型对真实阳性样本的识别能力，特异性是指模型对真实阴性样本的识别能力。这些指标可以帮助评估临床分类模型的准确性和可靠性。
#### 引用[.reference_title]
- *1* [【临床预测模型】----诊断模型or 预后模型](https://blog.csdn.net/weixin_43172152/article/details/108287039)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down1,239^v3^insert_chatgpt"}} ] [.reference_item]
- *2* *3* [【零基础学机器学习 5】机器学习中的分类：什么是分类以及分类模型](https://blog.csdn.net/shangyanaf/article/details/131159339)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down1,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]