什么是灵敏度？
灵敏度又称真阳性率或召回率（Recall），用于衡量一项检测或分类模型识别真实阳性病例的能力。它回答的核心问题是：「在所有真正患病（或真正为阳性）的对象中，检测正确标记出了多少？」灵敏度越高，意味着被漏检的阳性病例越少。
如何使用本计算器
请填入真阳性数（TP）——即被正确判定为阳性的病例数；以及假阴性数（FN）——即实际为阳性、却被检测错误判为阴性的病例数。计算器会同时给出小数形式（0–1）和百分比形式的灵敏度结果。
公式详解
$$\text{Sensitivity} = \frac{\text{TP}}{\text{TP} + \text{FN}} \times 100\%$$
灵敏度 = TP /（TP + FN）。分母（TP + FN）代表实际阳性病例的总数。用正确检出的阳性数除以全部真实阳性数，即可得到检测成功识别的比例。结果取值范围从 0（一个都没查出）到 1（全部查出）。
Advertisement
实例演示
假设某筛查检测正确识别出 90 名患病者（TP = 90），却漏检了 10 名患病者（FN = 10）。则灵敏度
$$\text{Sensitivity} = \frac{90}{90 + 10} = \frac{90}{100} = 0.9 = 90\%$$也就是说，该检测能查出 90% 的真实病例。
常见问题
灵敏度和召回率是一回事吗？ 是的。在机器学习领域，召回率（Recall）与灵敏度完全等价，计算方式同为 \( \text{TP} /(\text{TP} + \text{FN}) \)。
灵敏度和特异度有什么区别？ 灵敏度衡量的是真阳性率，而特异度衡量的是真阴性率，即 \( \text{TN} /(\text{TN} + \text{FP}) \)。两者结合起来，才能完整描述一项检测在阳性和阴性病例上的准确表现。
灵敏度多高才算好？ 这要视具体场景而定。针对严重疾病的筛查检测通常追求极高的灵敏度（95% 以上），以尽量减少漏诊——即便代价是产生更多假阳性。
