灵敏度或真实召回率：

敏感性计算为正确的阳性预测数 (TP) 除以阳性总数 (P)

灵敏度 = TP/(TP+FN)

它定义了预测的正确性。因此，它的意义在医疗应用中很有用，在这些应用中，高灵敏度模型将在疾病测试中给出更强调文本的结果。

是的，这个概念很简单，但是太多的术语变得难以记住。你可以保存这个 -

精度- 分类器正数中正确正数的百分比 (TP/(TP+FP) ；

召回率（灵敏度，真 + ve 率） - 正确阳性占总阳性的百分比 (TP/(TP+FN) ；

特异性（真-Ve率） =（TN/（TN+FP））；

假+Ve率=(FP/(FP+TN))

Sensitivity aka Recall是类中正确识别的点数（真阳性；TP）除以类中的总点数（阳性；P）。

在您对类别 (P) 的预测中，您将正确识别类别中的一些点（真阳性；TP），并将一些点错误分类到另一个类别中（假阴性；FN）。因此，P = TP + FN

灵敏度 = TP/P = TP/(TP+FN)