Kappa係数用于一致性检验，也可以用于衡量分类精度，但kappa係数的计算是基于混淆矩阵的。
基本介绍
- 中文名kappa係数
- 外文名kappa
- 属性是衡量分类精度的指标
- 对象监督分类后的遥感影像
- 学科统计学
简介
kappa係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。
计算公式
其中，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 。
假设每一类的真实样本个数分别为a1,a2,...,aC，而预测出来的每一类的样本个数分别为b1,b2,...,bC
总样本个数为n，则有pe=a1×b1+a2×b2+...+aC×bC /n×n
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)。
示例
上图就是个混淆矩阵，
其中，