什么是特异度？
特异度（Specificity），又称真阴性率（True Negative Rate，TNR），用于衡量一项检测或分类器正确识别阴性病例的能力。它回答的核心问题是：“在所有真正没有患病（或不属于阳性）的对象中，有多大比例被检测正确判定为阴性？”特异度是医学诊断、流行病学以及机器学习分类任务中的关键指标，与灵敏度（真阳性率）互为补充。
如何使用本计算器
请从你的混淆矩阵中填入两个数值：真阴性（TN）——被正确判定为阴性的阴性病例数；以及假阳性（FP）——被错误标记为阳性的阴性病例数。计算器会同时以小数比例和百分比两种形式给出特异度结果。
公式详解
特异度 = TN /（TN + FP）。分母（TN + FP）表示实际阴性病例的总数。特异度为 1.0（100%）意味着检测从未出现过假阳性；数值越低，说明被错误标记的健康者或阴性对象越多。
$$\text{Specificity} = \frac{\text{TN}}{\text{TN} + \text{FP}} \times 100\%$$
算例演示
假设对 100 名健康人进行一项筛查检测。其中 80 人被正确判定为阴性（TN = 80），但有 20 人被错误标记为阳性（FP = 20）。则特异度 $$\text{Specificity} = \frac{80}{80 + 20} = \frac{80}{100} = 0.80 = 80\%$$ 也就是说，该检测正确识别出了 80% 的真正阴性个体。
常见问题
特异度多高才算好？数值越高越好；接近 1.0（100%）说明误报很少。具体可接受的阈值取决于在你的应用场景中假阳性所带来的代价。
特异度和灵敏度有什么区别？特异度衡量对阴性病例的正确识别能力（真阴性率），而灵敏度衡量对阳性病例的正确识别能力（真阳性率）。两者结合，才能全面反映一项检测的整体准确性。
如果 TN 和 FP 都为零会怎样？此时特异度没有定义，因为不存在任何实际阴性病例；为避免除以零，计算器将返回 0。
