Kappa系数计算

Kappa系数是一种衡量分类准确性的重要统计量,它通过比较实际分类与随机分类的差异来评估分类器的性能。公式涉及总体分类精度(pop_o)和预期分类精度(p_e),其中pop_o是所有类别正确分类的样本比例,p_e是按样本分布随机分类的预期正确率。Kappa系数值越接近1,表示分类性能越好;接近0则表示分类效果与随机猜测相近。
摘要由CSDN通过智能技术生成

内容整理自百度百科

kappa系数是一种衡量分类精度的指标。

公式:
k = p o − p e 1 − p e k=\frac{p_o-p_e}{1-p_e} k=1pepope
其中, p o p_o po是每一类正确分类的样本数量之和除以总样本数,也就是总体分类精度 。C是类别总数, T i T_i Ti​是每个类别被正确分类的样本数.假设每一类的真实样本个数分别为a1,a2,…,aC,而预测出来的每一类的样本个数分别为b1,b2,…,bC

总样本个数为n,
p o = ∑ i = 1 C T i n p_o=\frac{\sum_{i=1}^{C}T_i}{n} po=ni=1CTi

p e = ∑ i = 1 C a i ∗ b i n 2 p_e=\frac{\sum_{i=1}^{C}a_i*b_i}{n^2} pe=n2i=1Caibi

实例

百度百科中提供了一个例子
在这里插入图片描述

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值