La métrica más sólida para evaluar modelos de clasificación, especialmente en conjuntos de datos desequilibrados.
Matriz de confusión
Rendimiento del modelo
Puntuación MCC0.616
Superior Predictor
Exactitud80.0%
Puntuación F10.800
Precisión88.9%
Recordar72.7%
Interpretación
+1,0 = Perfecto, 0,0 = Aleatorio, -1,0 = Inverso.
Overview
El coeficiente de correlación de Matthews (MCC) se considera ampliamente la mejor métrica individual para resumir un modelo de clasificación. A diferencia de la precisión, considera los cuatro valores de la matriz de confusión por igual, lo que la hace robusta frente a conjuntos de datos altamente desequilibrados.
💡
Pro Tips
Utilice MCC en lugar de Precisión cuando las clases estén desequilibradas (por ejemplo, detección de fraude).
Una puntuación de MCC superior a 0,7 generalmente se considera un predictor muy sólido.
Una puntuación de 0 significa que su modelo no es mejor que una suposición aleatoria.
!
Fun Facts
"MCC también se conoce como coeficiente phi (φ)."
"Si un modelo predice cada instancia como la clase mayoritaria, su MCC será 0, mientras que su precisión podría ser del 99% o más."
"MCC es esencialmente un coeficiente de correlación entre las clasificaciones binarias observadas y predichas."
