sklearn.metrics.matthews_corrcoef¶
- sklearn.metrics.matthews_corrcoef()¶
Calcula el coeficiente de correlación de Matthews (Matthews correlation coefficient, MCC).
El coeficiente de correlación de Matthews se utiliza en el aprendizaje automático como medida de la calidad de las clasificaciones binarias y multiclase. Tiene en cuenta los verdaderos y falsos positivos y negativos, y suele considerarse una medida equilibrada que puede utilizarse incluso si las clases son de tamaños muy diferentes. El MCC es en esencia un valor de coeficiente de correlación entre -1 y +1. Un coeficiente de +1 representa una predicción perfecta, 0 una predicción aleatoria promedio y -1 una predicción inversa. La estadística también se conoce como coeficiente phi. [fuente: Wikipedia]
Se admiten etiquetas binarias y multiclase. Sólo en el caso binario esto se relaciona con información sobre los verdaderos y falsos positivos y negativos. Ver las referencias más abajo.
Leer más en el Manual de Usuario.
- Parámetros
- y_truearreglo, forma = [n_samples]
Valores objetivo reales (correctos).
- y_predarreglo, forma = [n_samples]
Objetivos estimados devueltos por un clasificador.
- sample_weightarray-like de forma (n_samples,), default=None
Ponderaciones de muestras.
Nuevo en la versión 0.18.
- Devuelve
- mccfloat
El coeficiente de correlación de Matthews (+1 representa una predicción perfecta, 0 una predicción aleatoria promedio y -1 una predicción inversa).
Referencias
- 1
- 2
Entrada de Wikipedia para el Coeficiente de Correlación de Matthews.
- 3
Gorodkin, (2004). Comparing two K-category assignments by a K-category correlation coefficient.
- 4
Ejemplos
>>> 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...