使用方式
- 輸入一組二元分類結果的 TP、FP、TN、FN。
- 必要時修改陽性與陰性標籤，讓結果符合你的工作流程。
- 把 MCC 與平衡正確率一起看，同時理解整體一致性與類別平衡影響。
同時反映混淆矩陣四格的單一分數
MCC 會同時受到 TP、FP、TN、FN 影響。陽性類別稀少，或誤報與漏判都重要時，它通常比一般正確率更適合作為主摘要。
輸入
執行計算後，可檢視 MCC、平衡正確率與二元分類配套比例。
MCC 會同時看四個格子
MCC 同時使用 TP、FP、TN、FN，因此比一般正確率更能反映少數類與多數類的整體一致性。
為什麼仍要保留配套指標
MCC 是有力摘要，但實務決策仍需要知道誤報、漏判、召回率與特異度。請把 MCC 當作入口，而不是唯一結論。
常見問題
什麼時候 MCC 比一般正確率更有用？
類別不平衡，或你需要一個會同時反映混淆矩陣四格的摘要指標時，MCC 通常更有用。一般正確率可能在少數類表現很差時仍然看起來很高。
MCC 的範圍是多少？
MCC 介於 -1 到 1。接近 1 表示預測與真實標籤高度一致，接近 0 表示訊號弱，負值表示預測方向可能與真實結果相反。
為什麼 MCC 可能未定義？
當列聯表某個邊際合計為 0，例如沒有實際陽性或沒有預測陰性時，MCC 會未定義。此時應保留原始件數，並直接檢查召回率或特異度。
分享 URL 會包含我的件數或標籤嗎？
不會。分享 URL 只保存小數位數等輕量設定；件數與自訂標籤會留在你的瀏覽器中。
相關頁面
留言（選用）
為了減少載入量，留言只會在需要時讀取。