коэффициент корреляции Мэтьюса#
- sklearn.metrics.коэффициент корреляции Мэтьюса(y_true, y_pred, *, sample_weight=None)[источник]#
Вычислить коэффициент корреляции Мэттьюса (MCC).
Коэффициент корреляции Мэтьюса используется в машинном обучении как мера качества бинарных и многоклассовых классификаций. Он учитывает истинные и ложные положительные и отрицательные результаты и обычно считается сбалансированной мерой, которую можно использовать, даже если классы имеют очень разные размеры. MCC по сути является коэффициентом корреляции между -1 и +1. Коэффициент +1 представляет идеальное предсказание, 0 — среднее случайное предсказание, а -1 — обратное предсказание. Эта статистика также известна как коэффициент фи. [источник: Википедия]
Поддерживаются бинарные и многоклассовые метки. Только в бинарном случае это относится к информации об истинных и ложных положительных и отрицательных результатах. См. ссылки ниже.
Подробнее в Руководство пользователя.
- Параметры:
- y_truearray-like формы (n_samples,)
Истинные (правильные) целевые значения.
- y_predarray-like формы (n_samples,)
Оценённые цели, возвращаемые классификатором.
- sample_weightarray-like формы (n_samples,), по умолчанию=None
Веса выборок.
Добавлено в версии 0.18.
- Возвращает:
- mccfloat
Коэффициент корреляции Мэтьюса (+1 представляет идеальное предсказание, 0 — среднее случайное предсказание, а -1 — обратное предсказание).
Ссылки
Примеры
>>> 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