matthews_corrcoef#
- sklearn.metrics.matthews_corrcoef(y_true, y_pred, *, sample_weight=None)#
计算 Matthews 相关系数（MCC）。
Matthews 相关系数在机器学习中用于衡量二分类和多分类的质量。它考虑了真阳性、假阳性、真阴性和假阴性，通常被认为是一个平衡的度量，即使类别大小非常不同也可以使用。MCC 本质上是一个介于 -1 和 +1 之间的相关系数值。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。该统计量也被称为 phi 系数。[来源：Wikipedia]
支持二分类和多分类标签。只有在二分类情况下，这才与真阳性、假阳性、真阴性和假阴性的信息相关。请参阅以下参考资料。
更多信息请参阅 用户指南 。
- Parameters:
- y_true类数组，形状为 (n_samples,)
真实目标值（正确）。
- y_pred类数组，形状为 (n_samples,)
分类器返回的估计目标值。
- sample_weight类数组，形状为 (n_samples,)，默认=None
样本权重。
Added in version 0.18.
- Returns:
- 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
Examples
>>> 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...