kappa係數

python機器學習-乳腺癌細胞挖掘（博主親自錄製視頻）https://study.163.com/course/introduction.htm?courseId=1005269003&utm_campaign=commission&utm_source=cp-400000000398149&utm_medium=share

python腳本

"""
項目合做QQ:231469242
這個係數的取值範圍是[-1,1]，實際應用中，通常是[0,1]
這個係數的值越高，則表明模型實現的分類準確度越高
"""

def kappa(matrix):
    n = np.sum(matrix)
    sum_po = 0
    sum_pe = 0
    for i in range(len(matrix[0])):
        sum_po += matrix[i][i]
        row = np.sum(matrix[i, :])
        col = np.sum(matrix[:, i])
        sum_pe += row * col
    po = sum_po / n
    pe = sum_pe / (n * n)
    # print(po, pe)
    return (po - pe) / (1 - pe)
#其中，matrix是一個方陣，若共有i個類別，則matrix.shape = (i,i). 
#用下面的代碼進行測試:

import numpy as np
matrix = [
    [239,21,16],
    [16,73,4],
    [6,9,280]]

matrix = np.array(matrix)
print(kappa(matrix))

　　

參考連接： http://www.javashuo.com/article/p-mnlxmrzj-du.html

引言

分類是機器學習中監督學習的一種重要應用，基於統計的機器學習方法能夠使用SVM進行二分類，能夠使用決策書，梯度提高樹等進行多分類。 
對於二分類模型，咱們一般能夠使用ROC曲線來評估模型的預測效果。這裏，咱們介紹一下在多分類中衡量模型評估準確度的一種方法–kappa係數評估方法。

Kappa係數

首先，咱們介紹一下kappa係數： 
kappa係數是用在統計學中評估一致性的一種方法，咱們能夠用他來進行多分類模型準確度的評估，這個係數的取值範圍是[-1,1]，實際應用中，通常是[0,1]，與ROC曲線中通常不會出現下凸形曲線的原理相似。 
這個係數的值越高，則表明模型實現的分類準確度越高。kappa係數的計算方法能夠這樣來表示：

 

 

 

 

python信用評分卡建模（附代碼，博主錄製）

https://study.163.com/course/introduction.htm?courseId=1005214003&utm_campaign=commission&utm_source=cp-400000000398149&utm_medium=share