Richtig-positiv
In diesem Beitrag
Was versteht man unter Richtig-positiv?
Ein Richtig-positives Ergebnis (englisch: True Positive, kurz TP) liegt vor, wenn ein Test oder ein Klassifikationsmodell eine Bedingung als vorhanden einstuft – und sie tatsächlich vorhanden ist. Mit anderen Worten: Das Modell erkennt einen echten Fall korrekt.
Der Begriff stammt aus der Konfusionsmatrix, einem zentralen Werkzeug zur Bewertung von Klassifikationsmodellen. Sie fasst vier mögliche Ergebnisse zusammen:
| Tatsächlich positiv | Tatsächlich negativ | |
|---|---|---|
| Vorhergesagt positiv | Richtig-positiv (TP) | Falsch-positiv (FP) |
| Vorhergesagt negativ | Falsch-negativ (FN) | Richtig-negativ (TN) |
Warum ist Richtig-positiv für statistische Analysen wichtig?
Die Anzahl der Richtig-positiven Ergebnisse ist die Grundlage für mehrere wichtige Gütemaße eines Klassifikationsmodells. Besonders relevant sind:
Wichtige Kennzahlen mit Bezug zu Richtig-positiv
- Sensitivität (Recall): Wie viele der tatsächlich positiven Fälle werden erkannt?
- Präzision (Precision): Wie viele der als positiv vorhergesagten Fälle sind wirklich positiv?
- F1-Score: Das harmonische Mittel aus Sensitivität und Präzision – ein ausgewogenes Gesamtmaß.
Je mehr Richtig-positive ein Modell erzielt, desto besser erkennt es echte Fälle. Das ist besonders dann entscheidend, wenn das Übersehen eines positiven Falls schwerwiegende Konsequenzen hat – etwa in der Medizin oder bei Sicherheitssystemen.
Praxisbeispiel zu Richtig-positiv
Ein Krankenhaus setzt ein KI-Modell ein, um bei Röntgenbildern eine bestimmte Lungenerkrankung zu erkennen. In einer Testgruppe von 200 Patienten sind 80 tatsächlich erkrankt. Das Modell identifiziert davon 72 korrekt als krank – das sind 72 Richtig-positive.
Die Sensitivität berechnet sich dann wie folgt:
Das Modell erkennt also 90 % der tatsächlich Erkrankten. Die verbleibenden 8 Fälle sind Falsch-negative – erkrankte Personen, die das Modell fälschlicherweise als gesund einstuft. Im medizinischen Kontext wäre es nun entscheidend, diesen Wert noch weiter zu verbessern, da das Übersehen einer Erkrankung schwere Folgen haben kann.
