kappa值是什么意思？

1. kappa值是什么意思？

是指Kappa风险分析。表示在评估相同样本时多名评估员所做名义或顺序评估的一致程度。
接收标准：
Kappa < 0 – 一致性比偶然预期的还要弱；
Kappa < 0.7 –测量系统需要关注；
0.7 < Kappa < 0.9 –可接收，但是有一定风险；
Kappa > 0.9 – 好的测量系统。

计算公式：


其中，P0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 。
(moderate)、0.61~0.80 高度的一致性(substantial)和0.81~1几乎完全一致(almost perfect)。

2. 统计分析中Kappa值的意义是什么?

诊断试验的一致性检验经常用在下列两种情况中：
一种是评价待评价的诊断实验方法与金标准的一致性；
另一种是评价两种化验方法对同一个样本（化验对象）的化验结果的一致性、两个医务工作者对同一组病人的诊断结论的一致性、同一医务工作者对同一组病人前后进行两次观察作出的诊断的一致性等等。

扩展资料：
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)。
参考资料来源：百度百科-kappa系数

3. 统计分析中Kappa值的意义是什么?

Kappa值用于计算两观察者的吻合率。很多时候，我们直觉用准确率来判断，但当答案的分布很不均匀时，准确率不一定是一个好的量度值。
kappa系数是一种衡量分类精度的指标。它是通过把所有地表真实分类中的像元总数（N）乘以混淆矩阵对角线（Xkk）的和，再减去某一类地表真实像元总数与该类中被分类像元总数之积对所有类别求和的结果。
再除以总像元数的平方减去某一类地表真实像元总数与该类中被分类像元总数之积对所有类别求和的结果所得到的 。



结果分析
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)。

4. 理解统计相关性的kappa系数

 最近尝试对眼底图像进行多分类识别，使用的数据集来自kaggle的 Diabetic Retinopathy Detection  。根据眼底图像的好坏分为0，1，2，3，4五类，kaggle的评分基于quadratic weighted kappa，将我们预测的labels与医生手动标注的labels进行通过quadratic weighted kappa进行比较。以前没接触过，在这里简单写一下我对kappa系数的一些理解，如有错误欢迎指出。
   Kappa系数是一种比例，代表着分类与完全随机的分类产生错误减少的比例。1960年Cohen等提出用Kappa值作为评价判断的一致性程度的指标，实践证明，它是一个描述诊断的一致性的较为理想的指标，因此在临床试验中得到广泛的应用。   kappa=1 两次判断完全一致   kappa>=0.75 比较满意的一致程度   kappa<0.4 不够理想的一致程度
   根据kappa的计算方法分为简单kappa（simple kappa）和加权kappa（weighted kappa），加权kappa又分为 linear weighted kappa 和 quadratic weighted kappa。 
   关于linear还是quadratic weighted kappa的选择，取决于你的数据集中不同class之间差异的意义。比如对于眼底图像识别的数据，class=0为健康，class=4为疾病晚期非常严重，所以对于把class=0预测成4的行为所造成的惩罚应该远远大于把class=0预测成class=1的行为，使用quadratic的话0->4所造成的惩罚就等于16倍的0->1的惩罚。如下图是一个四分类的两个计算方法的比较。
              Diabetic Retinopathy Detection 这里给出了具体计算原理，在python中的实现可参考：    https://github.com/benhamner/Metrics/blob/master/Python/ml_metrics/quadratic_weighted_kappa.py 

5. kappa系数,如何计算每一分类的kappa和总体kappa

Kappa系数：是一种计算分类精度的方法。它是通过把所有地表真实分类中的像元总数（N）乘以混淆矩阵对角线（Xkk）的和，再减去某一类地表真实像元总数与被误分成该类像元总数之积对所有类别求和的结果，再除以总像元数的平方差减去某一类中地表真实像元总数与该类中被分类像元总数之积对所有类别求和的结果所得到的。
两幅栅格图的kappa计算公式为 k = (Po-Pc)/(1-Pc)
设栅格总象元数为n，真实栅格为1的象元数为a1，为0的象元数为a0，模拟栅格为1的象元数为b1，为0的象元数为b0，两个栅格对应象元值相等的象元数为s，则
Po = s/n， Pc = (a1*b1+a0*b0)/(n*n)
在arcmap里，a1、a0、b1、b0从属性表可读出，s用raster calculator配合con()函数不难求出。
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)。

6. kappa系数的简介

它是通过把所有地表真实分类中的像元总数（N）乘以混淆矩阵对角线（Xkk）的和，再减去某一类地表真实像元总数与被误分成该类像元总数之积对所有类别求和的结果，再除以总像元数的平方减去某一类中地表真实像元总数与该类中被误分成该类像元总数之积对所有类别求和的结果所得到的。