Diskriminationsleistung

Diskriminationsleistung bezeichnet die Fähigkeit eines Systems, zwischen mindestens zwei Klassen oder Reizen zu unterscheiden und diese Unterschiede zuverlässig zuzuordnen. Sie wird in verschiedenen Disziplinen gemessen und beschrieben, etwa in der Psychologie, Sensorik, Statistik, Mustererkennung und Biomechanik. Oft geht es um die Trennschärfe zwischen ähnlichen Stimuli oder Ereignissen, wobei der Fokus auf der Unterscheidung statt der Identifikation liegt.

Die Messung erfolgt typischerweise über eine Konfusionsmatrix und Ableitungen wie Genauigkeit, Sensitivität (True-Positive-Rate), Spezifität (True-Negative-Rate), Präzision, F1-Score sowie ROC-Kurve und AUC. In der Signalentdeckungstheorie wird die Diskriminationsleistung häufig durch den d'-Wert quantifiziert, der die Trennschärfe zwischen Rausch- und Zielverteilungen abbildet. Je nach Anwendungsgebiet kommen weitere Kennzahlen hinzu, etwa Fehlerraten oder Kostenfunktionen.

Anwendungsbeispiele umfassen psychophysische Experimente zur Bestimmung von Diskriminierungsschwellen, Mustererkennung in der Informatik, neuronale Codierung in der Neurophysiologie, Qualitätssicherung in der Fertigung und biometrische Systeme. Die Diskriminationsleistung ist dabei oft kontextabhängig und von den zugrunde liegenden Verteilungen sowie den Priors beeinflusst.

Wichtige Betrach­tungen sind Stichprobengröße, Klassenungleichgewicht, Rauschen, Überlappung der Merkmalsverteilungen und methodische Verzerrungen. Eine hohe Diskriminationsleistung bedeutet nicht zwangsläufig eine gute Generalisierung auf neue Daten. In der Praxis ist daher Validation über unabhängige Datensätze essenziell.