考慮一個二分類的情況，類別為1和0，我們將1和0分別作為正類（positive）和負類（negative），則實際分類的結果有4種，表格如下（混淆矩陣）：
真實情況 預測結果
正例 反例
正例 TP(真正例) FN（假反例）
反例 FP（假正例） TN（真反例）
敏感性Sensitivity (Sen)：
Sen=TP/(TP+FN)*100%
特異性 Specificity (Spe)
spe=TN/(TN+FP)*100%
在癌症示例中，敏感性和特異性指：
敏感性：在患有癌症的所有人中，診斷正確的人有多少？
特異性：在未患癌症的所有人中，診斷正確的人有多少？
代碼實現：
1.首先計算混淆矩陣
輸入：標簽數據和預測結果
輸出：混淆矩陣
from sklearn.metrics import confusion_matrix
confusion_matrix(y_true, y_pred, labels=list(set(y_true)))
2.然后根據上面的公式分別計算靈敏度和特異性