cohens-kappa पर टैग किए गए जवाब

मैं एक डेटा माइनिंग बुक पढ़ रहा हूं और इसने कापा स्टेटिस्टिक का उल्लेख क्लासिफायर के पूर्वानुमान प्रदर्शन के मूल्यांकन के लिए एक साधन के रूप में किया है। हालाँकि, मैं अभी यह नहीं समझ सकता। मैं भी विकिपीडिया की जाँच की, लेकिन यह बहुत मदद नहीं की: https://en.wikipedia.org/wiki/Cohen's_kappa । …

131 classification  data-mining  cohens-kappa 

दो रैपरों के बीच समझौते को मापने के लिए कोप्पा [1] द्वारा 1960 में कप्पा ( ) को पेश किया गया था। हालाँकि, इसका विचरण काफी समय से विरोधाभासों का स्रोत रहा था।κκ\kappa मेरा सवाल यह है कि बड़े नमूनों के साथ उपयोग किए जाने वाला सबसे अच्छा विचरण गणना …

44 estimation  variance  reliability  cohens-kappa 

ऑर्डिनल या इंटरवल डेटा के लिए कौन-से इंटर-रेटर विश्वसनीयता के तरीके सबसे उपयुक्त हैं? मेरा मानना ​​है कि "समझौते की संयुक्त संभावना" या "कप्पा" नाममात्र डेटा के लिए डिज़ाइन किए गए हैं। जब भी "पीयरसन" और "स्पीयरमैन" का उपयोग किया जा सकता है, वे मुख्य रूप से दो चूहे के …

25 reliability  psychometrics  agreement-statistics  cohens-kappa 

मैं एक धोखाधड़ी का पता लगाने (क्रेडिट-स्कोरिंग जैसी) समस्या से निपटता हूं। जैसे कि धोखाधड़ी और गैर-धोखाधड़ी टिप्पणियों के बीच अत्यधिक असंतुलित संबंध है। http://blog.revolutionanalytics.com/2016/03/com_class_eval_metrics_r.html विभिन्न वर्गीकरण मीट्रिक का एक बड़ा अवलोकन प्रदान करता है। Precision and Recallया kappaदोनों एक अच्छा विकल्प लगते हैं: ऐसे क्लासिफायर के परिणामों को सही …

22 classification  unbalanced-classes  precision-recall  cohens-kappa  model-evaluation 

mgcvके लिए पैकेज Rफिटिंग टेन्सर उत्पाद बातचीत के लिए दो कार्य करता है: te()और ti()। मैं दोनों के बीच श्रम के बुनियादी विभाजन को समझता हूं (गैर-रैखिक बातचीत को फिट करना बनाम इस बातचीत को मुख्य प्रभावों और एक इंटरैक्शन में विघटित करना)। क्या मुझे समझ नहीं आता क्यों है …

11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa