马修斯相关系数
导读 【马修斯相关系数】马修斯相关系数（Matthews Correlation Coefficient，简称MCC）是一种用于评估分类模型性能的指标，尤其适用于二分类
【马修斯相关系数】马修斯相关系数（Matthews Correlation Coefficient，简称MCC）是一种用于评估分类模型性能的指标，尤其适用于二分类问题。与准确率、精确率和召回率等指标不同，MCC能够综合考虑真正例、假正例、真反例和假反例四个方面的信息，从而提供一个更全面的模型评估方式。
MCC的取值范围在-1到+1之间，其中：
- +1 表示预测结果与实际结果完全一致；
- 0 表示预测结果与随机猜测无异；
- -1 表示预测结果与实际结果完全相反。
该系数特别适用于数据不平衡的场景，例如在医疗诊断、欺诈检测等领域中，正样本和负样本数量差异较大时，MCC能更真实地反映模型的性能。
以下是马修斯相关系数的计算公式：
$$
MCC = \frac{TP \times TN - FP \times FN}{\sqrt{(TP + FP)(TP + FN)(TN + FP)(TN + FN)}}
$$
其中：
- TP：真正例（True Positive）
- TN：真反例（True Negative）
- FP：假正例（False Positive）
- FN：假反例（False Negative）
| 术语 | 含义 |
| TP | 模型正确预测为正类的样本数 |
| TN | 模型正确预测为负类的样本数 |
| FP | 模型错误预测为正类的样本数 |
| FN | 模型错误预测为负类的样本数 |
通过MCC，我们可以更科学地比较不同模型在不平衡数据集上的表现，尤其是在关注整体分类效果而非单一类别性能时，MCC是一个非常有用的工具。