sklearn实战-乳腺癌细胞数据挖掘(博客主亲自录制视频教程,QQ:231469242)
https://study.163.com/course/introduction.htm?courseId=1005269003&utm_campaign=commission&utm_source=cp-400000000398149&utm_medium=share
python脚本
"""
项目合作QQ:231469242
这个系数的取值范围是[-1,1],实际应用中,一般是[0,1]
这个系数的值越高,则代表模型实现的分类准确度越高
"""
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是一个方阵,若共有i个类别,则matrix.shape = (i,i).
#用下面的代码进行测试:
import numpy as np
matrix = [
[239,21,16],
[16,73,4],
[6,9,280]]
matrix = np.array(matrix)
print(kappa(matrix))
引言
分类是机器学习中监督学习的一种重要应用,基于统计的机器学习方法可以使用SVM进行二分类,可以使用决策书,梯度提升树等进行多分类。
对于二分类模型,我们通常可以使用ROC曲线来评估模型的预测效果。这里,我们介绍一下在多分类中衡量模型评估准确度的一种方法–kappa系数评估方法。
Kappa系数
首先,我们介绍一下kappa系数:
kappa系数是用在统计学中评估一致性的一种方法,我们可以用他来进行多分类模型准确度的评估,这个系数的取值范围是[-1,1],实际应用中,一般是[0,1],与ROC曲线中一般不会出现下凸形曲线的原理类似。
这个系数的值越高,则代表模型实现的分类准确度越高。kappa系数的计算方法可以这样来表示:
python风控评分卡建模和风控常识(博客主亲自录制视频教程)