La metrica più solida per valutare i modelli di classificazione, in particolare su set di dati sbilanciati.
Matrice di confusione
Prestazioni del modello
Punteggio Centro clienti0.616
Superior Predictor
Precisione80.0%
Punteggio F10.800
Precisione88.9%
Richiamo72.7%
Interpretazione
+1.0 = Perfetto, 0.0 = Casuale, -1.0 = Inverso.
Overview
Il coefficiente di correlazione di Matthews (MCC) è ampiamente considerato la migliore metrica singola per riassumere un modello di classificazione. A differenza dell’accuratezza, considera allo stesso modo tutti e quattro i valori della matrice di confusione, rendendola robusta rispetto a set di dati altamente sbilanciati.
💡
Pro Tips
Utilizza il Centro clienti anziché la Precisione quando le classi sono sbilanciate (ad esempio, rilevamento di frodi).
Un punteggio MCC superiore a 0,7 è generalmente considerato un predittore molto forte.
Un punteggio pari a 0 significa che il tuo modello non è migliore di un'ipotesi casuale.
!
Fun Facts
"L'MCC è anche noto come coefficiente phi (φ)."
"Se un modello prevede che ogni singola istanza sia la classe maggioritaria, il suo MCC sarà 0, mentre la sua precisione potrebbe essere pari o superiore al 99%."
"L'MCC è essenzialmente un coefficiente di correlazione tra le classificazioni binarie osservate e previste."
