Kappa系数

　

kappa系数

KAPPa系数用于一致性检验

也可以用于衡量分类精度

kappa系数的计算是基于混淆矩阵的

kappa计算结果为-1~1，但通常kappa是落在 0~1 间，可分为五组来表示不同级别的一致性：0.0~0.20极低的一致性(slight)、0.21~0.40一般的一致性(fair)、0.41~0.60 中等的一致性(moderate)、0.61~0.80 高度的一致性(substantial)和0.81~1几乎完全一致(almost perfect)。

引自百度百科Kappa系数

公式

k=po−pe1−pe

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

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

则有：pe=a1×b1+a2×b2+...+aC×bCn×n

例子

上图就是个混淆矩阵

po=239+73+280664=0.8916

pe=261×276+103×93+300×295664×664=0.3883

因此：

k=0.8916−0.38831−0.3883=0.8228

相关阅读

[统计学理论基础] 协方差与相关系数

1 协方差 二维随机变量（X，Y），X与Y之间的协方差定义为： Cov(X,Y)=E{[X-E(X)][Y-E(Y)]} 其中：E(X)为分量X的期望，E(Y)为分量Y的期望 协方

9.回归中的相关度和决定系数

起步 训练集中可能有若干维度的特征。但有时并不是所有特征都是有用的，有的特征其实和结果并没有关系。因此需要一个能衡量自变量

（待定系数法）A/B

题目： 要求(A/B)%9973，但由于A很大，我们只给出n(n=A%9973)(我们给定的A必能被B整除，且gcd(B,9973) = 1)。 Input 数据的第一行是一个

协方差，协方差矩阵，相关系数

1.协方差定义：X,Y为两个随机变量，则它们的协方差值为：这个公式的推导很简单，                                   

蒸压加气混凝土砌块荷载系数1.4取值依据

蒸压加气混凝土砌块荷载系数1.4取值依据 计算依据： GB11968-2006《蒸压加气混凝土砌块》CECS 289-2011 《蒸压加气混凝土砌块砌体