Konfusionsmatrix-Rechner
Geben Sie richtig positive, falsch positive, richtig negative, und falsch negative ein, um alle Standard-Klassifikations- und Diagnosetestmetriken auf einmal zu berechnen.
Zuletzt aktualisiert: September 1, 2026
Häufig gestellte Fragen
Was ist der Unterschied zwischen Präzision und Recall?
Präzision fragt: Von allem als positiv Markierten, wie viel war tatsächlich positiv? (TP/(TP+FP)). Recall fragt: Von allem tatsächlich Positiven, wie viel haben Sie erfasst? (TP/(TP+FN)). Es gibt üblicherweise einen Kompromiss zwischen beiden.
Was ist der F1-Score?
Das harmonische Mittel aus Präzision und Recall, das einen einzigen ausgewogenen Score ergibt: F1 = 2×(Präzision×Recall)/(Präzision+Recall). Er ist niedrig, wenn entweder Präzision oder Recall niedrig ist, im Gegensatz zu einem einfachen Durchschnitt.
Wie unterscheidet sich Spezifität von Recall (Sensitivität)?
Recall (Sensitivität) misst, wie gut Sie tatsächliche Positive erfassen; Spezifität misst, wie gut Sie tatsächliche Negative korrekt identifizieren (TN/(TN+FP)). Ein Test kann eine hohe Sensitivität, aber eine niedrige Spezifität haben, oder umgekehrt.
Was ist der Unterschied zwischen PPV und NPV?
PPV (positiver Vorhersagewert, dasselbe wie Präzision) ist die Wahrscheinlichkeit, dass ein positives Ergebnis wirklich positiv ist. NPV (negativer Vorhersagewert) ist die Wahrscheinlichkeit, dass ein negatives Ergebnis wirklich negativ ist - beide hängen stark von der Prävalenz ab, nicht nur von der inhärenten Genauigkeit des Tests.
Warum ist die Prävalenz wichtig für die Interpretation dieser Zahlen?
Die Sensitivität und Spezifität eines Tests sind feste Eigenschaften des Tests selbst, aber PPV und NPV verschieben sich mit der tatsächlichen Häufigkeit der Erkrankung - derselbe Test ergibt einen viel niedrigeren PPV beim Screening einer Population mit niedriger Prävalenz als bei einer mit hoher Prävalenz, selbst bei identischer Sensitivität/Spezifität.