A métrica mais robusta para avaliar modelos de classificação, especialmente em conjuntos de dados desequilibrados.
Matriz de confusão
Desempenho do modelo
Pontuação MCC0.616
Superior Predictor
Precisão80.0%
Pontuação F10.800
Precisão88.9%
Lembrar72.7%
Interpretação
+1,0 = Perfeito, 0,0 = Aleatório, -1,0 = Inverso.
Overview
O Coeficiente de Correlação de Matthews (MCC) é amplamente considerado a melhor métrica para resumir um modelo de classificação. Ao contrário da precisão, ela considera igualmente todos os quatro valores da matriz de confusão, tornando-a robusta contra conjuntos de dados altamente desequilibrados.
💡
Pro Tips
Use MCC em vez de Precisão quando as classes estiverem desequilibradas (por exemplo, detecção de fraude).
Uma pontuação MCC acima de 0,7 é geralmente considerada um preditor muito forte.
Uma pontuação 0 significa que seu modelo não é melhor do que uma estimativa aleatória.
!
Fun Facts
"O MCC também é conhecido como coeficiente phi (φ)."
"Se um modelo prever cada instância como a classe majoritária, seu MCC será 0, enquanto sua precisão poderá ser de 99% ou superior."
"MCC é essencialmente um coeficiente de correlação entre as classificações binárias observadas e previstas."
