sklearn.metrics.matthews_corrcoef¶
sklearn.metrics.matthews_corrcoef(y_true, y_pred, *, sample_weight=None)
计算马修斯相关系数（MCC）
Matthews相关系数在机器学习中用作衡量二进制和多类分类质量的指标。它考虑了真假正例和负例，通常被认为是平衡的度量，即使类别的大小差异很大，也可以使用该度量。MCC本质上是介于-1和+1之间的相关系数值。系数+1代表理想预测，0代表平均随机预测，-1代表逆预测。该统计也称为phi系数。[来源：维基百科]
支持二进制和多类标签。 仅在二进制情况下，才与真假正例和负例有关。 请参阅下面的参考。
在用户指南中阅读更多内容。
| 参数 | 说明 |
|---|---|
| y_true | array, shape = [n_samples] 真实目标值。 |
| y_pred | array, shape = [n_samples] 分类器返回的估计目标。 |
| sample_weight | array-like of shape (n_samples,), default=None 样本权重。 版本0.18中的新功能。 |
| 返回值 | 说明 |
|---|---|
| mcc | float 马修斯相关系数（+1代表理想预测，0代表平均随机预测，-1代表反向预测）。 |
参考
2 Wikipedia entry for the Matthews Correlation Coefficient
3 Gorodkin, (2004). Comparing two K-category assignments by a K-category correlation coefficient
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...
