Python 计算混淆矩阵，计算Kappa系数，总体精度

课后题作业，如果要是自己数每个像元个数，眼花缭乱当场晕倒，所以写了程序帮助计算
也算一个自己的小练习把
思路很简单，过程繁琐但易懂，初学python，写的非常傻瓜，程序还可以优化。

地面真实像元：

计算分类后像元：

import numpy as np
a=[0,0,0,0,0,0]
b=[0,0,0,0,0,0]
c=[0,0,0,0,0,0]
d=[0,0,0,0,0,0]
e=[0,0,0,0,0,0]
f=[0,0,0,0,0,0]
x1=np.array([[4,4,2,1,2,5,3,4,4,4],[3,4,3,4,3,1,5,3,4,0],[4,2,3,0,1,0,2,1,1,4],[1,5,1,5,3,0,4,4,5,2],[2,1,3,1,5,1,0,4,4,1],[5,4,1,2,4,1,3,4,4,2],[5,1,2,1,1,4,2,1,3,1],[2,4,3,1,3,0,4,4,3,4],[4,4,5,4,4,4,5,4,3,2],[1,0,1,3,3,4,4,0,1,1]])x2=np.array([[0,0,0,2,4,0,0,2,2,3],[4,4,1,1,2,0,0,5,3,3],[2,3,3,0,3,2,1,5,1,3],[5,4,5,4,4,4,2,1,4,1],[3,3,4,4,3,0,4,2,0,1],[4,1,4,1,1,4,2,4,4,3],[2,1,5,2,2,1,2,4,3,3],[3,1,2,2,4,3,4,4,5,2],[2,5,0,2,0,4,4,5,3,2],[0,2,4,2,4,1,1,1,4,2]])for i in range(10):for j in range(10):if(x1[i][j]==x2[i][j]):if(x1[i][j]==0):a[0]+=1elif(x1[i][j]==1):b[1]+=1elif(x1[i][j]==2):c[2]+=1elif(x1[i][j]==3):d[3]+=1elif(x1[i][j]==4):e[4]+=1elif(x1[i][j]==5):f[5]+=1
for i in range(10):for j in range(10):if(x1[i][j]!=x2[i][j]):if(x1[i][j]==0):if(x2[i][j]==1):a[1]+=1elif(x2[i][j]==2):a[2]+=1elif(x2[i][j]==3):a[3]+=1elif(x2[i][j]==4):a[4]+=1   elif(x2[i][j]==5):a[5]+=1if(x1[i][j]==1):if(x2[i][j]==0):b[0]+=1elif(x2[i][j]==2):b[2]+=1elif(x2[i][j]==3):b[3]+=1elif(x2[i][j]==4):b[4]+=1   elif(x2[i][j]==5):b[5]+=1elif(x1[i][j]==2):if(x2[i][j]==0):c[0]+=1elif(x2[i][j]==1):c[1]+=1elif(x2[i][j]==3):c[3]+=1elif(x2[i][j]==4):c[4]+=1   elif(x2[i][j]==5):c[5]+=1elif(x1[i][j]==3):if(x2[i][j]==0):d[0]+=1elif(x2[i][j]==1):d[1]+=1elif(x2[i][j]==2):d[2]+=1elif(x2[i][j]==4):d[4]+=1   elif(x2[i][j]==5):d[5]+=1elif(x1[i][j]==4):if(x2[i][j]==0):e[0]+=1elif(x2[i][j]==1):e[1]+=1elif(x2[i][j]==2):e[2]+=1elif(x2[i][j]==3):e[3]+=1elif(x2[i][j]==5):e[5]+=1elif(x1[i][j]==5):if(x2[i][j]==0):f[0]+=1elif(x2[i][j]==1):f[1]+=1elif(x2[i][j]==2):f[2]+=1elif(x2[i][j]==3):f[3]+=1elif(x2[i][j]==4):f[4]+=1
Confusion_Matrix=np.array([a,b,c,d,e,f])
print(Confusion_Matrix)
sum_right=0
s=0
for i in range(len(Confusion_Matrix)):sum_right+=Confusion_Matrix[i][i]s+=sum(Confusion_Matrix[i])*sum(Confusion_Matrix[:,i])
K=((sum_right*pow(len(x1),2)-s))/((pow(len(x1),4))-s)
ztjd=sum_right/pow(len(x1),2)
print("Kappa系数:",K)
print("总体精度:"+str(ztjd)+"%")
np.savetxt('Confusion_Matrix.csv',Confusion_Matrix, delimiter = ',')

结果如下：

Python 计算混淆矩阵，计算Kappa系数，总体精度相关推荐

计算混淆矩阵和Kappa系数
1. 将envi中影像转化为tif格式,导入到arcmap中,fileàsave file as àTiff/geo tiff 2. 在arcmap中用arctollbox ...
matlab计算混淆矩阵及kappa系数
前言本科过程中学习或多或少涉及到分类的基础知识,分类过程中肯定回涉及到精度检验.这里就涉及到混淆矩阵的知识. 原理介绍记混淆矩阵如下图所示: 矩阵xijx_{ij}xij中主对交线表示分类正确的 ...
利用混淆矩阵及Kappa系数评价土地利用分类精度
文章目录一.准备工作二.处理步骤 2.1 Arcmap:栅格转点+多值提取到点栅格转点多值提取至点 2.2 Excel:计算混淆矩阵三.Excel计算模板下载地址一.准备工作土地利用类型 ...
[机器学习] 混淆矩阵和kappa系数
两篇非常非常优秀的博客 4.4.2分类模型评判指标(一) - 混淆矩阵(Confusion Matrix) Kappa系数
Python使用pandas的crosstab函数计算混淆矩阵并使用Seaborn可视化混淆矩阵实战
Python使用pandas的crosstab函数计算混淆矩阵并使用Seaborn可视化混淆矩阵实战目录 Python使用pandas的crosstab函数计算混淆矩阵并使用Seaborn可视化混淆 ...
[Python+sklearn] 计算混淆矩阵 confusion_matrix()函数
python sklearn 计算混淆矩阵 confusion_matrix()函数参考sklearn官方文档:sklearn.metrics.confusion_matrix. 功能: 计算混淆矩 ...
R语言使用randomForest包构建随机森林模型（Random forests）、使用importance函数查看特征重要度、使用table函数计算混淆矩阵评估分类模型性能、包外错误估计OOB
R语言使用randomForest包中的randomForest函数构建随机森林模型(Random forests).使用importance函数查看特征重要度.使用table函数计算混淆矩阵评估分类 ...
R语言使用rpart包构建决策树模型、使用prune函数进行树的剪枝、交叉验证预防过拟合、plotcp可视化复杂度、rpart.plot包可视化决策树、使用table函数计算混淆矩阵评估分类模型性能
R语言使用rpart包构建决策树模型.使用prune函数进行树的剪枝.使用10折交叉验证选择预测误差最低的树来预防过拟合.plotcp可视化决策树复杂度.rpart.plot包可视化最终决策树.使用t ...
R语言使用R基础安装中的glm函数构建乳腺癌二分类预测逻辑回归模型、分类预测器（分类变量）被自动替换为一组虚拟编码变量、summary函数查看检查模型、使用table函数计算混淆矩阵评估分类模型性能
R语言使用R基础安装中的glm函数构建乳腺癌二分类预测逻辑回归模型(Logistic regression).分类预测器(分类变量)被自动替换为一组虚拟编码变量.summary函数查看检查模型.使用t ...
R语言使用caret包的confusionMatrix函数计算混淆矩阵、使用编写的自定义函数可视化混淆矩阵（confusion matrix）
R语言使用caret包的confusionMatrix函数计算混淆矩阵.使用编写的自定义函数可视化混淆矩阵(confusion matrix) 目录

Python 计算混淆矩阵，计算Kappa系数，总体精度

Python 计算混淆矩阵，计算Kappa系数，总体精度相关推荐

最新文章

热门文章