天软金融分析.NET函数大全 > 金融函数 > 专题函数 > 机器学习 > 机器学习算法评价方法 > 分类算法评价指标

cohen_kappa_score    

简述
衡量单标签分类模型的分类精度的kappa系数,适用于单标签二分类和多分类
定义
cohen_kappa_score(y1:Array;y2:Array;labels:Array;weights:String;sample_weight:Array):real;
参数
名称类型说明
y1Array一维数组,真实标签
y2Array一维数组,预测标签,y1和y2交换顺序不影响计算结果
labelsArray一维数组,选择的标签集,默认是y1和y2出现过的标签
weightsString字符串,kappa系数的惩罚权重,可选array(nil,'linear','quadratic');默认是nil
sample_weightArray一维数组,样本权重,默认是等权重,全一数组
返回real实数,kappa系数
  • 范例

    范例01:
      //只提供y1和y2
       y_true := array(2, 0, 2, 2, 0, 1);
       y_pred := array(0, 0, 2, 2, 0, 2);
       return cohen_kappa_score(y_true,y_pred);  //0.4285
       

    范例02:
       //指定labels,表示只从计算指定的的标签
     y_true := array(2, 0, 2, 2, 0, 1);
     y_pred := array(0, 0, 2, 2, 0, 2);
     labels := array(0,2);
       return cohen_kappa_score(y_true,y_pred,labels);  //0.6153
       

    范例03:
       //指定weights
       y_true := array(2, 0, 2, 2, 0, 1);
       y_pred := array(0, 0, 2, 2, 0, 2);
       weights := "linear";
       return cohen_kappa_score(y_true,y_pred,nil,weights);  //0.5
       
    范例04:
       //指定sample_weight
       y_true := array(2, 0, 2, 2, 0, 1);
       y_pred := array(0, 0, 2, 2, 0, 2);
       sample_weight := array(2,2,1,2,1,1.5);
       return cohen_kappa_score(y_true,y_pred,nil,nil,sample_weight);
     //0.3696
相关