kappa系數

python金融風控評分卡模型和數據分析微專業課（博主親自錄制視頻）：http://dwz.date/b9vv

 

 

python腳本

"""
項目合作QQ:231469242
這個系數的取值范圍是[-1,1]，實際應用中，一般是[0,1]
這個系數的值越高，則代表模型實現的分類准確度越高
"""

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))

　　

參考鏈接： https://blog.csdn.net/wang7807564/article/details/80252362

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可以使用SVM進行二分類，可以使用決策書，梯度提升樹等進行多分類。 
對於二分類模型，我們通常可以使用ROC曲線來評估模型的預測效果。這里，我們介紹一下在多分類中衡量模型評估准確度的一種方法–kappa系數評估方法。

Kappa系數

首先，我們介紹一下kappa系數： 
kappa系數是用在統計學中評估一致性的一種方法，我們可以用他來進行多分類模型准確度的評估，這個系數的取值范圍是[-1,1]，實際應用中，一般是[0,1]，與ROC曲線中一般不會出現下凸形曲線的原理類似。 
這個系數的值越高，則代表模型實現的分類准確度越高。kappa系數的計算方法可以這樣來表示：

 

 

 

 python機器學習生物信息學系列課（博主錄制）：http://dwz.date/b9vw