SE、SP和YI是评估分类模型性能时常用的几个统计指标，特别是在医学影像处理、疾病诊断等领域，这些指标帮助了解模型对于正负类样本的识别能力。
-
SE (Sensitivity)，也称为真正率（True Positive Rate, TPR）或召回率（Recall），衡量的是模型正确识别正类（病例）的能力。计算公式为：其中，TP（True Positives）是真正例的数量，FN（False Negatives）是假负例的数量。
-
SP (Specificity)，也称为真负率（True Negative Rate, TNR），衡量的是模型正确识别负类（非病例）的能力。计算公式为：其中，TN（True Negatives）是真负例的数量，FP（False Positives）是假正例的数量。
-
YI (Youden’s Index)，也称为Youden指数，是一个综合考虑了敏感性和特异性的指标，用于评价测试的总体有效性。计算公式为：Youden指数的范围从0到1，值越大表示测试的性能越好，即同时具有较高的敏感性和特异性。
这些指标对于理解模型在特定任务上的表现至关重要，尤其是在正负样本分布不平衡的情况下。通过评估敏感性和特异性，可以确保模型不仅仅是优先预测多数类，而是真正能够区分不同类别的样本。Youden指数提供了一个简单的度量标准，以确定模型是否在不牺牲一个指标的情况下，同时优化了敏感性和特异性。
