Корреляция Мэтьюза (MCC)

Самая надежная метрика для оценки моделей классификации, особенно для несбалансированных наборов данных.

Матрица путаницы

Истинные позитивы (TP)

Истинно отрицательные результаты (ТН)

Ложные срабатывания (FP)

Ложноотрицательные результаты (FN)

Производительность модели

Оценка MCC0.616

Superior Predictor

Точность80.0%

F1-Оценка0.800

Точность88.9%

Отзывать72.7%

Интерпретация

+1,0 = идеально, 0,0 = случайно, -1,0 = обратное.

Overview

Коэффициент корреляции Мэтьюза (MCC) широко считается лучшим показателем для обобщения модели классификации. В отличие от точности, он одинаково учитывает все четыре значения матрицы путаницы, что делает его устойчивым к сильно несбалансированным наборам данных.

💡

Pro Tips

Используйте MCC вместо «Точности», когда классы несбалансированы (например, обнаружение мошенничества).
Оценка MCC выше 0,7 обычно считается очень сильным предиктором.
Оценка 0 означает, что ваша модель не лучше, чем случайное предположение.

Fun Facts

"MCC также известен как коэффициент фи (φ)."
"Если модель прогнозирует каждый отдельный экземпляр как класс большинства, ее MCC будет равен 0, а ее точность может составлять 99% или выше."
"MCC — это, по сути, коэффициент корреляции между наблюдаемыми и прогнозируемыми бинарными классификациями."

Formula: MCC = (TP·TN - FP·FN) / √[(TP+FP)(TP+FN)(TN+FP)(TN+FN)]

Used with this

Similar tools that might be useful

Калькулятор A/B-тестов

Определите, являются ли результаты вашего теста статистически значимыми.

Абсолютная и относительная неопределенность

Преобразуйте абсолютную (± единицу измерения) и относительную (%) неопределенность.

Скорректированный R-квадрат

Оцените соответствие модели, учитывая количество предикторов.