matthews_corrcoef#

sklearn.metrics.matthews_corrcoef(y_true, y_pred, *, sample_weight=None)[source]#

计算 Matthews 相关系数 (MCC)。

Matthews 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，即使类的规模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 的系数表示完美预测，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、假阳性和假阴性有关。请参阅下面的参考文献。

在用户指南中阅读更多信息。

参数:
y_true形状为 (n_samples,) 的 array-like

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_weightshape 为 (n_samples,) 的 array-like, default=None

样本权重。

版本 0.18 新增。

返回:
mccfloat

Matthews 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）。

References

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