二分类模型的sensitivity是否为单个值？多TPR结果如何确定模型灵敏度？

1. 二分类的sensitivity和specificity是否为单个数值？ #

常规二分类场景下是单个数值。
这两个指标的计算默认依赖预先明确定义的正类和负类：

• sensitivity（灵敏度/真阳性率）是正类样本被正确识别的比例，仅针对正类计算
• specificity（特异度/真阴性率）是负类样本被正确识别的比例，仅针对负类计算

你当前得到两个TPR结果，是因为你用了多分类场景的指标计算逻辑：将每个类别依次作为正类，分别计算了每个类别的召回率（单类TPR）。你使用的confusion_matrix接口返回的混淆矩阵默认按标签的自然排序排列行和列，你通过np.diag(cm)取到的是每个类别对应的真阳性样本数，因此计算得到的TPR是每个类别各自的召回率。

2. 当前结果下如何标注sensitivity值 #

你可以根据业务目标选择两种标注方式：

• 如果你有明确的核心识别目标（比如任务核心是识别Hot场景，将Hot定义为正类）：先确认混淆矩阵的标签排列顺序，取出Hot类对应的TPR作为模型sensitivity即可。如果你的标签顺序为[Hot, Cold]，那么0.9875就是Hot为正类时的sensitivity；如果标签顺序为[Cold, Hot]，则0.9541为Hot为正类时的sensitivity。
• 如果你需要同时体现两类的识别效果：不需要强行合并为单个sensitivity，直接分别标注两类的召回率即可，标注时需同步说明每类作为正类的前提，例如：
  • Hot场景灵敏度（Hot为正类）：0.9875
  • Cold场景灵敏度（Cold为正类）：0.9541

提示：标注指标时务必同步说明正类定义或混淆矩阵的标签顺序，避免产生歧义。

内容的提问来源于stack exchange，提问作者Joe