利用混淆矩阵计算aa,oa,kappa

混淆矩阵是用于评估分类模型性能的一种工具，可以根据混淆矩阵计算出准确率（aa）、预测准确率（oa）和kappa系数。

混淆矩阵是一个2x2的矩阵，由四个格子组成，分别代表模型的预测结果和实际标签的组合：

预测为正例 预测为负例
实际为正例 TP FN
实际为负例 FP TN

其中，TP表示真正例（True Positive），即实际为正例且被正确预测为正例的样本数；FN表示假反例（False Negative），即实际为正例但被错误预测为负例的样本数；FP表示假正例（False Positive），即实际为负例但被错误预测为正例的样本数；TN表示真反例（True Negative），即实际为负例且被正确预测为负例的样本数。

根据混淆矩阵可以计算出以下三个指标：

1. 准确率（Accuracy）：指模型预测结果与实际标签相符的样本比例。计算公式为aa = (TP + TN) / (TP + TN + FP + FN)。

2. 预测准确率（Overall Accuracy）：指模型预测结果中与实际标签相符的样本比例。计算公式为oa = (TP + TN) / (TP + FN + FP + TN)。

3. Kappa系数（Cohen's Kappa）：考虑了预期准确率与实际准确率之间的差异，用于衡量模型分类的一致性。计算公式为kappa = (oa - aa) / (1 - aa)。

以上是利用混淆矩阵计算aa、oa、kappa的方法。