matthews_corrcoef#
- sklearn.metrics.matthews_corrcoef(y_true, y_pred, *, sample_weight=None)[源码]#
计算马修斯相关系数 (MCC)。
马修斯相关系数在机器学习中用作衡量二分类和多分类质量的指标。它考虑了真阳性、假阳性、真阴性和假阴性，通常被认为是一种平衡的度量，即使类的尺寸差异很大也可以使用。MCC 本质上是一个介于 -1 和 +1 之间的相关系数值。+1 表示完美预测，0 表示平均随机预测，-1 表示反向预测。该统计量也称为 phi 系数。[来源：维基百科]
支持二分类和多分类标签。仅在二分类情况下，这与真阳性、假阳性和假阴性的信息相关。请参阅下面的参考资料。
在用户指南中阅读更多信息。
- 参数:
- y_true形状为 (n_samples,) 的类数组
真实（正确）的目标值。
- y_pred形状为 (n_samples,) 的类数组
分类器返回的估计目标。
- sample_weight形状为 (n_samples,) 的类数组，默认值为 None
样本权重。
版本 0.18 中新增。
- 返回:
- mcc浮点数
马修斯相关系数（+1 表示完美预测，0 表示平均随机预测，-1 表示反向预测）。
参考文献
示例
>>> from sklearn.metrics import matthews_corrcoef >>> y_true = [+1, +1, +1, -1] >>> y_pred = [+1, -1, +1, +1] >>> matthews_corrcoef(y_true, y_pred) -0.33