马修斯相关系数计算器

马修斯相关系数 (MCC) 是二元分类任务中使用的关键指标，尤其是在生物信息学和机器学习领域。本指南深入了解 MCC，包括其公式、实际示例、常见问题解答和有趣的事实。

理解马修斯相关系数

背景知识

MCC 通过考虑所有四种结果来衡量二元分类的质量：真阳性 (TP)、真阴性 (TN)、假阳性 (FP) 和假阴性 (FN)。 它在处理不平衡数据集时特别有用，因为它平衡了所有类别的贡献。

主要优势：

• 平衡的度量：适用于具有不相等类别大小的数据集。
• 范围解释：
  • +1：完美预测。
  • 0：随机预测。
  • -1：完全不一致。

在生物信息学等领域，MCC 有助于评估分类模型的性能，例如预测蛋白质结构或基因功能的模型。

MCC 公式：分类模型的准确评估

MCC 公式为：

\[ MCC = \frac{(TP \cdot TN) - (FP \cdot FN)}{\sqrt{(TP + FP) \cdot (TP + FN) \cdot (TN + FP) \cdot (TN + FN)}} \]

其中：

• \( TP \)：真阳性
• \( TN \)：真阴性
• \( FP \)：假阳性
• \( FN \)：假阴性

此公式确保所有结果对最终得分的贡献相同，使其能够很好地抵抗类别不平衡。

实际示例：计算 MCC

示例问题

假设您有以下值：

• 真阳性 (TP) = 50
• 真阴性 (TN) = 40
• 假阳性 (FP) = 10
• 假阴性 (FN) = 5

1. 分子计算： \[ (TP \cdot TN) - (FP \cdot FN) = (50 \cdot 40) - (10 \cdot 5) = 2000 - 50 = 1950 \]

2. 分母计算： \[ \sqrt{(TP + FP) \cdot (TP + FN) \cdot (TN + FP) \cdot (TN + FN)} = \sqrt{(50 + 10) \cdot (50 + 5) \cdot (40 + 10) \cdot (40 + 5)} \] \[ = \sqrt{60 \cdot 55 \cdot 50 \cdot 45} = \sqrt{7425000} \approx 2725.85 \]

3. 最终 MCC 计算： \[ MCC = \frac{1950}{2725.85} \approx 0.715 \]

这表明分类性能良好。

常见问题解答 (FAQ)

Q1：为什么 MCC 比准确率更好？

在某一类别占主导地位的不平衡数据集中，准确率可能会产生误导。 MCC 考虑了所有四种结果，从而提供更平衡的评估。

Q2：MCC 可以为负吗？

可以，MCC 的范围从 -1 到 +1。 负值表示性能不佳，预测比随机猜测更差。

Q3：我应该在什么时候使用 MCC？

在评估二元分类模型时使用 MCC，尤其是在类别严重不平衡的情况下。

术语表

• 二元分类：一种将输入分类为两个类别的任务。
• 真阳性 (TP)：正确预测的阳性实例。
• 真阴性 (TN)：正确预测的阴性实例。
• 假阳性 (FP)：错误预测的阳性实例。
• 假阴性 (FN)：错误预测的阴性实例。

关于 MCC 的有趣事实

1. 处理不平衡：MCC 在不平衡数据集中比准确率更受欢迎，因为它能够有效地处理不相等的类别分布。
2. 历史背景：MCC 以 Brian W. Matthews 的名字命名，最初是在评估蛋白质二级结构预测的背景下引入的。
3. 实际应用：MCC 广泛应用于生物信息学、药物发现和医学诊断中，以评估模型的可靠性。