在Cohen Kappa中使用了哪些注释器来解决分类问题？

Question

我正在使用Logistic回归、支持向量机、决策树、随机森林和朴素贝叶斯等算法处理一个分类问题。我的数据包括二进制类分类，即Fire(1)或No Fire(0)。由于数据不平衡，科恩·卡帕被推荐用于模型性能评价。

我正在使用科学工具包-学习sklearn.metrics.cohen_kappa_score来计算科恩卡帕的分数。要计算值，它需要以下输入

from sklearn.metrics import cohen_kappa_score
cohen_score = cohen_kappa_score(y_test, predictions)
print(cohen_score)

因此，它采用了特定模型所做的y_test和预测，以及用于混淆矩阵和分类报告的相同输入。

然而，科恩·卡帕( Cohen Kappa )被认为是用来衡量观察者或注释者之间的评价者间协议的。如果我们是根据两个评审员的分数来衡量文档的质量的话。这两个审查员将是注释者。但在分类问题上。当我计算的分数，在科学工具包学习，如上所述。科恩·卡帕( Cohen Kappa )在分类问题上使用哪2种注解器或观察者，当你计算scikit中的分数时？

Answer 1

科恩·卡帕( Cohen Kappa )在分类问题上使用哪2种注解器或观察者，当你计算scikit中的分数时？

这两个注解器正是您输入方法的两个参数：cohen_kappa_score(y_test, predictions)，即真相/标签和预测。然后根据他们的“评级者”协议来衡量。