사용방법
- 하나의 이진 분류 결과에서 TP, FP, TN, FN을 입력합니다.
- 선택적으로 워크플로에 맞게 양성인 레이블과 음성인 레이블의 이름을 바꿉니다.
- 균형 정확도 옆에 있는 MCC를 읽으면 전반적인 일치도와 클래스 균형 효과를 모두 확인할 수 있습니다.
네 개의 혼동 행렬 셀 모두에 대한 하나의 숫자 요약
MCC는 TP, FP, TN, FN에 동시에 반응합니다. 양성 클래스가 드물거나 허위 경보가 발생하여 두 가지 문제를 모두 놓친 경우 이는 단순한 정확도보다 더 깔끔한 헤드라인인 경우가 많습니다.
입력
계산을 실행하여 하나의 바이너리 결과 세트에서 MCC, 균형 정확도 및 지원 비율을 검토합니다.
MCC는 혼동 행렬에 대한 상관 스타일 측정항목입니다.
MCC는 일반적인 정확도와는 다른 질문에 답합니다. 정확도는 전체적으로 몇 개의 사례가 올바른지 묻습니다. MCC는 예측과 실제 레이블이 4개의 혼동 행렬 셀 전체에서 함께 이동하는지 묻습니다. 이는 한 클래스가 다른 클래스보다 훨씬 희귀할 때 탄력성을 더 높여줍니다.
MCC를 선호하는 경우
단일 요약 번호가 허위 경보와 누락을 모두 반영해야 하는 경우 또는 소수 클래스가 제대로 처리되지 않는 동안 일반 정확도가 편안해 보일 만큼 하나의 클래스가 작은 경우 MCC를 선호합니다.
MCC가 정의되지 않은 경우 수행할 작업
하나의 행 또는 열 합계가 0으로 축소되면 MCC가 정의되지 않습니다. 이 경우 원시 개수를 표시하고 재현율, 특이성 및 균형 정확도를 직접 보고합니다.
자주 묻는 질문
MCC는 언제 일반 정확도보다 더 유용합니까?
MCC는 일반적으로 클래스의 균형이 맞지 않거나 혼동 행렬의 4개 셀 모두에 응답하는 하나의 요약 측정항목을 원할 때 더 유용합니다. 소수 클래스 동작이 좋지 않은 경우에도 일반 정확도가 높게 보일 수 있습니다.
MCC는 어떤 범위를 사용합니까?
MCC 범위는 -1에서 1까지입니다. 1에 가까운 값은 실제 레이블과 강하게 일치함을 의미하고, 0에 가까운 값은 약한 신호를 의미하며, 음수 값은 예측이 예상보다 실제 레이블에 대해 더 많이 작동함을 의미합니다.
MCC가 정의되지 않은 이유는 무엇입니까?
실제 양성이 없거나 예측 음성이 없는 등 분할표의 한 마진이 0으로 축소되면 MCC가 정의되지 않습니다. 이 경우 원시 개수를 표시하고 재현율이나 특이성을 직접 사용하세요.
공유 URL에 내 개수나 라벨이 포함되어 있나요?
아니요. 공유 URL은 소수점 이하 자릿수와 같은 간단한 설정만 저장합니다. 개수와 맞춤 라벨은 브라우저에 그대로 유지됩니다.
관련
설명(선택사항)
부하를 줄이기 위해 필요할 때만 주석을 가져옵니다.