Cohens kappa-koefficient er en statistik, der bruges til at måle inter-bedømmer-pålidelighed for kvalitative elementer. Det menes generelt at være et mere robust mål end simpel procentoverenskomstberegning, da κ tager højde for muligheden for, at aftalen opstår tilfældigt.
Hvad bruges Cohens kappa til?
Cohens kappa er en metrik, der ofte bruges til at vurdere overensstemmelsen mellem to bedømmere. Den kan også bruges til at vurdere ydeevnen af en klassifikationsmodel.
Hvordan fortolker du Cohens kappa?
Cohen foreslog Kappa-resultatet fortolket som følger: værdier ≤ 0 som angiver ingen overensstemmelse og 0,01–0,20 som ingen til ringe, 0,21–0,40 som fair, 0,41–0,60 som moderat, 0,61–0,80 som væsentlig og 0,81–1,00 som næsten perfekt overensstemmelse.
Hvad er Cohens kappa inden for maskinlæring?
Cohens Kappa er et statistisk mål, der bruges til at måle pålideligheden af to bedømmere, der vurderer den samme mængde, og identificerer, hvor ofte bedømmerne er enige. I denne artikel lærer vi detaljeret om, hvad Cohens kappa er, og hvordan det kan være nyttigt i maskinlæringsproblemer.
Hvad menes med kappa-værdi?
Værdien af Kappa er defineret som. Tælleren repræsenterer uoverensstemmelsen mellem den observerede sandsynlighed for succes og sandsynligheden for succes under antagelsen om et ekstremt dårligt tilfælde.
