KAPPA一致性

Kappa检测用于测量两次判断的一致性，即两个判断的结果是否相似。

具体如下图（图片取自http://blog.sina.com.cn/s/blog_4aa4593d0100rwjd.html）

表格类似于一个混淆矩阵，第一行第一个数‘4’表示R1和R2都判断为1的个数，

第一行第二个数表示"R1判断为1而R2判断为2"的个数，其他类似。最后的计算方法下图也有表示

对于用Kappa值判断一致性的建议参考标准为：
Kappa =+1，说明两次判断的结果完全一致；
Kappa =-1，说明两次判断的结果完全不一致；
Kappa =0，说明两次判断的结果是机遇造成；
Kappa<0，说明一致程度比机遇造成的还差，两次检查结果很不一致，但在实际应用中无意义；
Kappa>0，此时说明有意义，Kappa愈大，说明一致性愈好；
Kappa≥0.75，说明已经取得相当满意的一致程度；
Kappa<0.4，说明一致程度不够理想；

最后贴段python代码，比较简单,预测类型必须为0~n

import numpy as np
class Kappa: def metrics(self,pre1,pre2,classN=2):k1=np.zeros([classN,])k2=np.zeros([classN,])kx=np.zeros([classN,])n=np.size(pre1)for i in range(n):p1=pre1[i]p2=pre2[i]k1[p1]=k1[p1]+1k2[p2]=k2[p2]+1if p1==p2:kx[p1]= kx[p1]+1pe=np.sum(k1*k2)/n/npa=np.sum(kx)/nkappa=(pa-pe)/(1-pe)return kappa

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！