Najsolidniejsza metryka do oceny modeli klasyfikacyjnych, szczególnie w przypadku niezrównoważonych zbiorów danych.
Matryca zamieszania
Wydajność modelu
Wynik MCK0.616
Superior Predictor
Dokładność80.0%
Wynik F10.800
Precyzja88.9%
Przypomnienie sobie czegoś72.7%
Interpretacja
+1,0 = idealny, 0,0 = losowy, -1,0 = odwrotny.
Overview
Współczynnik korelacji Matthewsa (MCC) jest powszechnie uważany za najlepszy pojedynczy miernik podsumowujący model klasyfikacji. W przeciwieństwie do dokładności, uwzględnia jednakowo wszystkie cztery wartości macierzy zamieszania, dzięki czemu jest odporna na wysoce niezrównoważone zbiory danych.
💡
Pro Tips
Użyj MCC zamiast Dokładności, gdy klasy są niezrównoważone (np. przy wykrywaniu oszustw).
Wynik MCC powyżej 0,7 jest ogólnie uważany za bardzo silny czynnik prognostyczny.
Wynik 0 oznacza, że Twój model nie jest lepszy od losowego przypuszczenia.
!
Fun Facts
"MCC jest również znane jako współczynnik phi (φ)."
"Jeśli model przewiduje, że każda instancja będzie klasą większościową, jego MCC wyniesie 0, podczas gdy jego dokładność może wynosić 99% lub więcej."
"MCC jest zasadniczo współczynnikiem korelacji między obserwowanymi i przewidywanymi klasyfikacjami binarnymi."
