用Python法计算灵敏度和特异性

Question

我想计算2个numpy数组的灵敏度和特异性（test，truth）。两个数组的形状相同，只存储数字0（test/truth false），1（test/truth true）。因此我必须计算假阳性，真阳性，假阴性和真阴性。我是这样做的：

true_positive = 0
false_positive = 0
false_negative = 0
true_negative = 0

for y in range(mask.shape[0]):
    for x in range(mask.shape[1]):
        if (mask[y,x] == 255 and truth[y,x] == 255):
            true_positive = true_positive + 1
        elif (mask[y,x] == 255 and truth[y,x] == 0):
            false_positive = false_positive + 1
        elif (mask[y,x] == 0 and truth[y,x] == 255):
            false_negative = false_negative + 1
        elif (mask[y,x] == 0 and truth[y,x] == 0):
            true_negative = true_negative + 1

sensitivity = true_positive / (true_positive + false_negative)
specificity = true_negative / (false_positive + true_negative)

<>我认为可能存在一个更容易（更可读）的方式，因为它是Python而不是C++…首先，我尝试了如下操作：true_positive = np.sum(mask == 255 and truth == 255)但是我得到了一个错误：

ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

有没有一种更像Python的方法来计算敏感性和特异性？在

谢谢！在

Answer 1

通过NumPy支持的^{}操作、^{}和{a3}来关注紧性，这里有一个方法-

C = (((mask==255)*2 + (truth==255)).reshape(-1,1) == range(4)).sum(0)
sensitivity, specificity = C[3]/C[1::2].sum(), C[0]/C[::2].sum()

另一种方法是，稍微用一点数学运算，我们可以用^{}来计算C

^{pr2}$

为了确保我们得到的是浮点数作为比率，首先，我们需要使用：from __future__ import division。在

Answer 2

四个数组可以这样找到和组织：

categories=dstack((mask&truth>0,mask>truth,mask<truth,mask|truth==0))

然后是分数：

^{pr2}$

最终结果是：

sensitivity,specificity = tp/(tp+fn),tn/(tf+fp)

Answer 3

测试相同形状：

a = np.random.rand(4,4)
b = np.random.rand(4,4)
print(a.shape == b.shape) #prints true

检验真值：

^{pr2}$