根据多分类混淆矩阵计算召回率、精确率、卡帕系数的python代码

根据多分类混淆矩阵计算召回率、精确率和卡帕系数的Python代码如下：

from sklearn import metrics

# 计算召回率（Recall）
def recall(confusion_matrix):
    recalls = []
    for i in range(confusion_matrix.shape[0]):
        recall = confusion_matrix[i, i] / sum(confusion_matrix[i, :])
        recalls.append(recall)
    return recalls

# 计算精确率（Precision）
def precision(confusion_matrix):
    precisions = []
    for i in range(confusion_matrix.shape[0]):
        precision = confusion_matrix[i, i] / sum(confusion_matrix[:, i])
        precisions.append(precision)
    return precisions

# 计算卡帕系数（Cohen's Kappa）
def kappa(confusion_matrix):
    total = sum(sum(confusion_matrix))
    true_positives = np.diag(confusion_matrix)
    row_sum = np.sum(confusion_matrix, axis=1)
    col_sum = np.sum(confusion_matrix, axis=0)
    expected = np.outer(row_sum, col_sum) / total
    kappa = (total * np.sum(true_positives) - np.sum(confusion_matrix * expected)) / (total**2 - np.sum(confusion_matrix * expected))
    return kappa

# 示例使用
y_true = [0, 0, 1, 2, 1, 2, 0, 2, 2, 0, 1, 1]  # 真实分类
y_pred = [1, 0, 1, 2, 1, 0, 0, 2, 2, 0, 1, 1]  # 模型分类结果
confusion_matrix = metrics.confusion_matrix(y_true, y_pred)

recalls = recall(confusion_matrix)
precisions = precision(confusion_matrix)
kappa_score = kappa(confusion_matrix)

print("召回率:", recalls)
print("精确率:", precisions)
print("卡帕系数:", kappa_score)