使い方
- 1 つの 2 値分類結果から、TP・FP・TN・FN を入力します。
- 必要なら陽性・陰性ラベルを自分の業務やデータに合わせて変更します。
- MCC と balanced accuracy を並べて見て、正解率が良く見えすぎていないか確認します。
Wave 6 classification metrics
混同行列 4 セルをまとめて読む 1 指標
MCC は TP・FP・TN・FN の全部に反応するため、クラス不均衡があるときでも正解率より落ち着いて比較できます。balanced accuracy と合わせて見ると、少数クラスの扱いも読みやすくなります。
入力
計算すると、MCC と balanced accuracy、補助指標をまとめて確認できます。
MCC は混同行列の相関を見る指標です
正解率は「全体でどれだけ当たったか」を見ます。MCC は「予測と真のラベルが 4 セル全体でどれだけ一緒に動いているか」を見ます。少数クラスが小さいときほど、この違いが効いてきます。
MCC を優先しやすい場面
少数クラスを見落としたくないとき、誤検知と見逃しの両方を 1 数値に集約したいとき、正解率だけでは安心できないときに向いています。
MCC が未定義ならどうするか
周辺合計のどこかが 0 だと MCC は定義できません。その場合は件数をそのまま残し、再現率・特異度・balanced accuracy を直接見てください。
よくある質問
どんなときに正解率より MCC を優先して見るべきですか？
クラス不均衡が大きいときや、TP・FP・TN・FN の全部をまとめて 1 つの指標で見たいときは MCC が向いています。正解率だけだと、少数クラスの扱いが悪くても高く見えることがあります。
MCC の範囲はどれくらいですか？
MCC は -1 から 1 の範囲を取り、1 に近いほど真のラベルとよく一致し、0 付近なら信号が弱く、負なら予測が真のラベルと逆向きに働いている状態です。
なぜ MCC が未定義になることがあるのですか？
実際の陽性が 0 件、予測陰性が 0 件のように、混同行列の周辺合計のどこかが 0 になると MCC は定義できません。その場合は件数をそのまま出し、再現率や特異度を直接確認してください。
共有 URL に件数やラベルは含まれますか？
含まれません。共有 URL には小数桁数などの軽い設定だけを入れ、件数やラベルはブラウザ内に残します。
関連
コメント（任意）
負荷を抑えるため、コメントは必要なときだけ読み込みます。