envi计算kappa系数

Kappa系数是一种用于评估分类或标注的一致性的统计指标。它衡量了分类结果与随机分类之间的一致性程度。要计算Kappa系数，需要构建一个混淆矩阵（也称为误差矩阵），该矩阵显示了实际观察到的分类结果与预测结果之间的对应关系。

假设有N个样本和C个分类标签，构建一个C×C的混淆矩阵M，其中M(i, j)表示实际标签为i且预测标签为j的样本数量。然后，可以按照以下步骤计算Kappa系数：

1. 计算混淆矩阵M中的总体一致性（Observed Agreement）：
OA = （M(1, 1) + M(2, 2) + ... + M(C, C)）/ N

2. 计算混淆矩阵M中的预期一致性（Expected Agreement）：
EA = （（M(1, 1) + M(1, 2) + ... + M(1, C)）/ N） × （（M(1, 1) + M(2, 1) + ... + M(C, 1)）/ N） +
（（M(2, 1) + M(2, 2) + ... + M(2, C)）/ N） × （（M(1, 2) + M(2, 2) + ... + M(C, 2)）/ N） +
...
（（M(C, 1) + M(C, 2) + ... + M(C, C-1)）/ N） × （（M(1, C) + M(2, C) + ... + M(C-1, C)）/ N）

3. 计算Kappa系数：
Kappa = (OA - EA) / (1 - EA)

请注意，Kappa系数的取值范围在-1到1之间，其中1表示完全一致，0表示与随机分类一致，而-1表示完全不一致。