靈敏度（Sensitivity）的計算公式為：
\(Sensitivity = \frac{TP}{TP + FN}\)
其中，\(TP\)（真正例）表示實際為正例且被模型正確預測為正例的樣本數，\(FN\)（假負例）表示實際為正例但被模型預測為負例的樣本數。這個公式用於評估模型在所有實際為正例的樣本中正確預測的比例，Sensitivity 值越大，表示模型越能準確地識別出真正的正例，即「有病的被判斷為有病的」情況越多，「漏檢」（FN）的情況越少。
靈敏度（Sensitivity）的計算公式為：
\(Sensitivity = \frac{TP}{TP + FN}\)
其中，\(TP\)（真正例）表示實際為正例且被模型正確預測為正例的樣本數，\(FN\)（假負例）表示實際為正例但被模型預測為負例的樣本數。這個公式用於評估模型在所有實際為正例的樣本中正確預測的比例，Sensitivity 值越大，表示模型越能準確地識別出真正的正例，即「有病的被判斷為有病的」情況越多，「漏檢」（FN）的情況越少。