python实现如何计算0.1% PPV?

 阳性：positive(P)

阴性：negative(N)

真阳性：True positive(TP)

假阳性：False positive(FP)

真阴性：True negative(TN)

假阴性：False negative(FN)

阳性预测值 = 真阳性数量 / （真阳性数量+ 假阳性数量）= TP / (TP + FP)

PPV实际上就是在说：预测出来的所有阳性样本中，有多少是真阳性；

def PPV(label, prob):# label对应真实的标签，prob对应真实的值df = pd.DataFrame({"label": label, "prob": prob})# 进行升序，并且改变对于的indexdf = df.sort_values("prob", ascending=False).reset_index(drop=True)# 得到0.1%的数据df_top = df[:int(df.shape[0] * 0.001)]# 计算ppVreturn df_top[df_top.label == 1].shape[0] * 1. / df_top.shape[0]

参考博客：https://blog.csdn.net/u014264373/article/details/80482680https://blog.csdn.net/u014264373/article/details/80482680

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！