为何二分类器评估中无负类精度的专有名称？

你提到的这个指标——tn/(tn+fn)（所有被预测为负类的样本中真正负类的占比），确实有明确的专有名称，叫做阴性预测值（Negative Predictive Value, NPV），也可以直接称为负类精度（Negative Precision）。

它不像正类精度或特异性那样被频繁提及，主要有几个原因：

• 任务导向：多数二分类任务的核心关注对象是正类（比如医疗检测中的阳性病例、风控场景中的欺诈样本），所以大家更聚焦于正类的识别效果，负类指标容易被边缘化。
• 分布敏感性：阴性预测值受样本不平衡的影响极大。如果数据集里负类占比很高，哪怕模型对负类的识别能力一般，这个指标的数值也会显得很高，参考价值被削弱，这也是它在很多场景中不被作为核心指标的原因。
• 术语混淆：很多人会把它和特异性（Specificity）搞混——特异性是真实负类中被正确预测的比例（负类召回率），而阴性预测值是预测负类中真实负类的比例（负类精度），两者的计算逻辑完全不同，这也导致部分人对这个指标的认知模糊。

内容的提问来源于stack exchange，提问作者tumultous_rooster