ضریب کاپا کوهن آماری است که برای سنجش پایایی بین ارزیاب‌ها برای آیتم‌های کیفی استفاده می‌شود. به طور کلی تصور می شود که این معیار قوی تر از محاسبه توافق درصد ساده است، زیرا κ احتمال وقوع توافق را در نظر می گیرد.
کاپا کوهن برای چه استفاده می شود؟
کاپا کوهن معیاری است که اغلب از برای ارزیابی توافق بین دو ارزیاب استفاده می شود. همچنین می‌توان از آن برای ارزیابی عملکرد یک مدل طبقه‌بندی استفاده کرد.
کاپا کوهن را چگونه تفسیر می کنید؟
کوهن پیشنهاد کرد که نتیجه کاپا به صورت زیر تفسیر شود: مقادیر ≤ 0 به عنوان نشان دهنده عدم توافق و 0.01-0.20 به عنوان هیچ به جزئی، 0.21-0.40 به عنوان منصفانه، 0.41-0.60 به عنوان متوسط، 0.61-0.80 به عنوان قابل توجه، و 0.81-1.00 به عنوان توافق تقریبا کامل.
کاپا کوهن در یادگیری ماشین چیست؟
کاپا کوهن یک معیار آماری است که برای اندازه‌گیری قابلیت اطمینان دو ارزیاب که به یک مقدار رتبه‌بندی می‌کنند استفاده می‌شود و مشخص می‌کند که رتبه‌دهنده‌ها چقدر با هم موافق هستند. در این مقاله، با جزئیات در مورد اینکه کاپا کوهن چیست و چگونه می تواند در مشکلات یادگیری ماشین مفید باشد، یاد خواهیم گرفت.
منظور از مقدار کاپا چیست؟
مقدار کاپا به صورت تعریف شده است. عدد نشان دهنده اختلاف بین احتمال موفقیت مشاهده شده و احتمال موفقیت با فرض یک مورد بسیار بد است.
