Machine-Learning
二次加權 kappa
我已經對二次加權 kappa 進行了一些谷歌搜索，但我找不到一個很好的解釋來讓我理解這一點。有人可以提供一些資源或簡要解釋嗎？
Kappa 係數是一個機會調整的一致性指數。在機器學習中，它可用於量化算法的預測與相同對象的一些可信標籤之間的一致性程度。Kappa 從準確性開始——算法和可信標籤分配給同一類別或類的所有對象的比例。但是，它會嘗試調整算法和可信標籤“偶然”將項目分配到同一類別的概率。它通過假設算法和可信標籤每個都有一個預定的配額來分配給每個類別的對像比例來做到這一點。最初的 kappa 係數假設名義類別，但後來通過“加權”擴展到非名義類別。加權背後的想法是，某些類別比其他類別更相似，因此某些不匹配的類別對應獲得不同程度的“部分信用”。二次權重是確定分配給每個不匹配的類別對的部分信用的一種流行方法。還有其他權重。我的網站上有關於所有這些概念的更多信息，包括 MATLAB 函數：mreliability.jmgirard.com
另見：Cohen, J. (1968)。加權 kappa：標稱規模協議，規定規模分歧或部分信用。心理公報，70（4），213-220。