Чувствительность и специфичность - это статистические показатели эффективности теста бинарной классификации, также известного в статистике как функция классификации. Чувствительность (также называемая коэффициентом истинных положительных результатов или коэффициентом отзыва в некоторых областях) измеряет долю фактических положительных результатов, которые правильно идентифицированы как таковые (например, процент больных людей, которые правильно идентифицированы как имеющие заболевание), и дополняет коэффициент ложноотрицательных результатов. Специфичность (иногда называемая истинно отрицательным показателем) измеряет долю отрицательных результатов, которые были правильно определены как таковые (например, доля здоровых людей, которые были правильно определены как не имеющие данного заболевания), и дополняет показатель ложноположительных результатов. Идеальный предиктор может быть описан как 100% чувствительный (например, все больные определяются как больные) и 100% специфичный (например, все здоровые не определяются как больные); однако теоретически любой предиктор будет иметь минимальную границу ошибки, известную как коэффициент ошибки Байеса. Для любого теста обычно существует компромисс между мерами. Например, в условиях безопасности аэропорта, когда проверяется потенциальная угроза безопасности, сканеры могут быть настроены на срабатывание на предметы с низким уровнем риска, такие как пряжки ремней и ключи (низкая специфичность), чтобы снизить риск пропуска предметов, которые действительно представляют угрозу для самолета и тех, кто находится на борту (высокая чувствительность). Этот компромисс можно представить графически в виде кривой приемной операционной характеристики.