我一直在尝试评估我在消防系统数据集上使用的模型，数据集存在巨大的不平衡。大多数模型未能正确预测任何真阳性，但朴素贝叶斯设法做到这一点，但假阳性率非常高。我已经对混淆矩阵和分类报告进行了实验，如下所示。两个数据集使用相同的数据集和训练/测试拆分

 Naive Bayes Confusion Matrix and Classification Report

     [[TN=732 FP=448]
     [FN=2   TP=15]]


          precision    recall  f1-score   support

       0       1.00      0.62      0.76      1180
       1       0.03      0.88      0.06        17

accuracy                               0.62      1197
macro avg          0.51      0.75      0.41      1197
weighted avg       0.98      0.62      0.75      1197


Logistic Regression Confusion Matrix and Classification Report


     [[TN=1180 FP=0]
     [FN=17   TP=0]]


          precision    recall  f1-score   support

       0       0.99      1.00      0.99      1180
       1       0.00      0.00      0.00        17

accuracy                              0.98      1197
macro avg          0.49      0.50     0.50      1197
weighted avg       0.97      0.99     0.98      1197

然而，我得到了这些模型的 Kohen Kappa 系数，我对如何解释这些值感到很困惑。请在下面找到值

Logistic Regression=0.0
Naive Bayes=0.03

这些值表明非常轻微的一致性。但是为什么朴素贝叶斯的值略好于逻辑回归呢？