python 计算sensitivity和specificity

计算Sensitivity和Specificity需要先知道以下四个数值：

- True Positive (TP)：真正例，即实际为正例且被预测为正例的样本数。
- False Positive (FP)：假正例，即实际为负例但被预测为正例的样本数。
- False Negative (FN)：假负例，即实际为正例但被预测为负例的样本数。
- True Negative (TN)：真负例，即实际为负例且被预测为负例的样本数。

Sensitivity和Specificity的计算公式如下：

- Sensitivity = TP / (TP + FN)
- Specificity = TN / (TN + FP)

下面是Python代码示例：

def calc_sensitivity_specificity(tp, fp, fn, tn):
    sensitivity = tp / (tp + fn)
    specificity = tn / (tn + fp)
    return sensitivity, specificity

# 示例
tp = 80
fp = 20
fn = 30
tn = 70
sensitivity, specificity = calc_sensitivity_specificity(tp, fp, fn, tn)
print('Sensitivity:', sensitivity)
print('Specificity:', specificity)

输出结果为：

Sensitivity: 0.7272727272727273
Specificity: 0.7777777777777778

注意，这里的TP、FP、FN、TN需要根据具体的问题进行计算或统计。