机器学习计算特异度和灵敏度代码

以下是一个简单的Python代码示例，用于计算分类模型的特异度和灵敏度：

import numpy as np

# 构造模拟数据
y_true = np.array([0, 0, 1, 1, 0, 1, 0, 1, 1, 1])
y_pred = np.array([0, 1, 1, 1, 0, 1, 0, 1, 0, 1])

# 计算TP、TN、FP、FN
TP = np.sum((y_true == 1) & (y_pred == 1))
TN = np.sum((y_true == 0) & (y_pred == 0))
FP = np.sum((y_true == 0) & (y_pred == 1))
FN = np.sum((y_true == 1) & (y_pred == 0))

# 计算特异度和灵敏度
specificity = TN / (TN + FP)
sensitivity = TP / (TP + FN)

print("特异度：", specificity)
print("灵敏度：", sensitivity)

代码中，我们先构造了一组模拟数据，其中`y_true`是真实标签，`y_pred`是预测标签。然后，我们通过比较`y_true`和`y_pred`计算出TP、TN、FP、FN的数量，最后用公式计算出特异度和灵敏度。