本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
特異性差異 (SD)
特異性差異 (SD) 是有利構面 a 和不利構面 d 之間的特異性差異。特異性測量模型正確預測負值結果的頻率 (y'=0)。這些特異性的任何差異都是一種潛在的偏差形式。
如果所有 y = 0 情況都正確地預測了該構面，那麼特異性對於構面來說是完美的。當模型最小化偽陽性 (稱為第一型錯誤) 時，特異性會更大。例如，向構面 a 貸款的低特異性和向構面 d 貸款的高特異性之間的差異是針對構面 d 的偏差量值。
以下公式用於構面 a 和 d 的特異性之間的差異。
SD = TN d/（TNd + FP d） - TN a/（TNa + FP a） = TNRd - TNRa
下列用於計算 SD 的變數定義如下：
-
TNd 是構面 d 預測的真陰性。
-
FPd 是構面 d 預測的偽陽性。
-
TNd 是構面 a 預測的真陰性。
-
TNd 是構面 a 預測的偽陽性。
-
TNRa = TN a/（TNa + FP a） 是面向 a 的真負率，也稱為特異性。
-
TNRd = TN d/（TNd + FP d） 是面向 d 的真實負數率，也稱為特異性。
例如，請考慮下列構面 a 和 d 的混淆矩陣。
混淆矩陣針對有利構面 a
| 類別 a 預測 | 實際結果 0 | 實際結果 1 | 總計 |
|---|---|---|---|
| 0 | 20 | 5 | 25 |
| 1 | 10 | 65 | 75 |
| 總計 | 30 | 70 | 100 |
混淆矩陣針對不利構面 d
| 類別 d 預測 | 實際結果 0 | 實際結果 1 | 總計 |
|---|---|---|---|
| 0 | 18 | 7 | 25 |
| 1 | 5 | 20 | 25 |
| 總計 | 23 | 27 | 50 |
特異性差異的值為SD = 18/(18+5) - 20/(20+10) = 0.7826
- 0.6667 = 0.1159，顯示對構面 d 的偏差。
對於二進位和多類別分類的構面 a 和 d 之間特異性差值的範圍是 [-1, +1]。此指標不適用於連續性標籤的情況。下述 SD 的不同值意義：
-
當構面 d 的特異性高於構面 a 的特異性時，會獲得正值。這表明模型在構面 d 發生的偽陽性比構面 a 少。正值顯示構面 d 的偏差。
-
接近零的值顯示正在比較的構面特異性相似。這表明模型在這兩個構面都發現了相似數目的偽陽性，並且沒有偏差。
-
當構面 a 的特異性高於構面 d 時，會獲得負值。這表明模型在構面 a 發生的偽陽性比構面 d 多。負值顯示構面 a 的偏差。
