Python တွင် intraclass correlation coefficient တွက်ချက်နည်း

intraclass correlation coefficient (ICC) ကို မတူညီသော အဆင့်သတ်မှတ်သူများသည် အကြောင်းအရာများ သို့မဟုတ် အကြောင်းအရာများကို ယုံကြည်စိတ်ချစွာ အဆင့်သတ်မှတ်နိုင်သည်ဆိုသည်ကို ဆုံးဖြတ်ရန် အသုံးပြုပါသည်။

ICC ၏တန်ဖိုးသည် 0 မှ 1 အထိရှိနိုင်ပြီး အဆင့်သတ်မှတ်သူများကြားတွင် ယုံကြည်စိတ်ချရမှု မရှိကြောင်း 0 နှင့် 1 သည် ပြီးပြည့်စုံသောယုံကြည်စိတ်ချရမှုကို ညွှန်ပြသည့် 0 ဖြင့် ကွဲပြားနိုင်သည်။

Python တွင် ICC ကို တွက်ချက်ရန် အလွယ်ကူဆုံးနည်းလမ်းမှာ အောက်ပါ syntax ကိုအသုံးပြုသည့် penguin.intraclass_corr () function ကို အသုံးပြုခြင်းဖြစ်သည်၊

pengouin.intraclass_corr(ဒေတာ၊ ပစ်မှတ်များ၊ အကဲဖြတ်သူများ၊ အဆင့်များ)

ရွှေ-

• data- ဒေ တာဘောင်၏အမည်
• ပစ်မှတ်များ- “ပစ်မှတ်များ” ပါရှိသော ကော်လံအမည် (မှတ်သားထားသည့်အရာများ)
• သုံးသပ်သူများ- သုံးသပ်သူများပါရှိသော ကော်လံအမည်
• မှတ်စုများ- မှတ်စုများပါရှိသော ကော်လံအမည်

ဤသင်ခန်းစာသည် ဤအင်္ဂါရပ်ကို အသုံးပြုခြင်း၏ လက်တွေ့ကျသော ဥပမာကို ပေးသည်။

အဆင့် 1: Penguin ကို install လုပ်ပါ။

ပထမဆုံးအနေနဲ့ Penguin ကို install လုပ်ရပါမယ်။

 pip install penguin

အဆင့် 2: ဒေတာကိုဖန်တီးပါ။

မတူညီသော ကောလိပ်ဝင်ခွင့်စာမေးပွဲ ခြောက်ခု၏ အရည်အသွေးကို အကဲဖြတ်ရန် မတူညီသော တရားသူကြီး လေးဦးကို တောင်းဆိုသည်ဆိုပါစို့။ တရားသူကြီးများ၏ ရမှတ်များကို ထိန်းထားရန် အောက်ပါဒေတာဘောင်ကို ကျွန်ုပ်တို့ ဖန်တီးနိုင်သည်-

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' exam ': [1, 2, 3, 4, 5, 6, 1, 2, 3, 4, 5, 6,
                            1, 2, 3, 4, 5, 6, 1, 2, 3, 4, 5, 6],
                   ' judge ': ['A', 'A', 'A', 'A', 'A', 'A',
                             'B', 'B', 'B', 'B', 'B', 'B',
                             'C', 'C', 'C', 'C', 'C', 'C',
                             'D', 'D', 'D', 'D', 'D', 'D'],
                   ' rating ': [1, 1, 3, 6, 6, 7, 2, 3, 8, 4, 5, 5,
                              0, 4, 1, 5, 5, 6, 1, 2, 3, 3, 6, 4]})

#view first five rows of DataFrame
df. head ()

	exam judge rating
0 1 A 1
1 2 A 1
2 3 A 3
3 4 To 6
4 5 A 6

အဆင့် 3- intraclass ဆက်စပ်ဆက်စပ်ကိန်းကို တွက်ချက်ပါ။

ထို့နောက်၊ ကျွန်ုပ်တို့သည် intraclass ဆက်စပ်ဆက်စပ်ကိန်းကိုတွက်ချက်ရန်အောက်ပါကုဒ်ကိုအသုံးပြုပါမည်။

 import penguin as pg

icc = pg. intraclass_corr (data=df, targets=' exam ', raters=' judge ', ratings=' rating ')

icc. set_index (' Type ')

        Description ICC F df1 df2 pval CI95%
Kind							
ICC1 Single raters absolute 0.505252 5.084916 5 18 0.004430 [0.11, 0.89]
ICC2 Single random raters 0.503054 4.909385 5 15 0.007352 [0.1, 0.89]
ICC3 Single fixed raters 0.494272 4.909385 5 15 0.007352 [0.09, 0.88]
ICC1k Average raters absolute 0.803340 5.084916 5 18 0.004430 [0.33, 0.97]
ICC2k Average random raters 0.801947 4.909385 5 15 0.007352 [0.31, 0.97]
ICC3k Average fixed raters 0.796309 4.909385 5 15 0.007352 [0.27, 0.97]

ဤလုပ်ဆောင်ချက်သည် အောက်ပါရလဒ်များကို ပြန်ပေးသည်-

• ဖော်ပြချက်- ICC တွက်ချက်မှု အမျိုးအစား
• ICC- အတန်းအစားဆက်စပ်ဆက်စပ်ကိန်း (ICC)
• F- ICC ၏ F တန်ဖိုး
• df1၊ df2- တန်ဖိုး F နှင့်ဆက်စပ်သော လွတ်လပ်မှုဒီဂရီ
• pval- F တန်ဖိုးနှင့် ဆက်စပ်နေသည့် p တန်ဖိုး
• CI95%- ICC အတွက် ယုံကြည်မှု 95% ကြားကာလ

ဤနေရာတွင် တွက်ချက်ထားသော မတူညီသော ICC ခြောက်ခုရှိကြောင်း သတိပြုပါ။ အမှန်တကယ်ပင်၊ အောက်ပါ ယူဆချက်များကို အခြေခံ၍ ICC ကို တွက်ချက်ရန် နည်းလမ်းများစွာ ရှိပါသည်။

• မော်ဒယ်- တစ်လမ်းသွား ကျပန်းအကျိုးသက်ရောက်မှုများ၊ နှစ်လမ်းကျပန်းအကျိုးသက်ရောက်မှုများ သို့မဟုတ် နှစ်လမ်းသွား ရောနှောထားသော အကျိုးဆက်များ
• ဆက်ဆံရေးအမျိုးအစား- ညီညွတ်မှု သို့မဟုတ် အကြွင်းမဲ့သဘောတူညီချက်
• ယူနစ်- အဆင့် သတ်မှတ်သူ တစ်ဦးတည်း သို့မဟုတ် ပျမ်းမျှ အဆင့်သတ်မှတ်သူများ

ဤယူဆချက်များ၏ အသေးစိတ်ရှင်းလင်းချက်အတွက်၊ ဤဆောင်းပါးကို ဖတ်ရှုပါ။