sklearn.metrics.matthews_corrcoef?
sklearn.metrics.matthews_corrcoef(y_true, y_pred, *, sample_weight=None)
計算馬修斯相關系數（MCC）
Matthews相關系數在機器學習中用作衡量二進制和多類分類質量的指標。它考慮了真假正例和負例，通常被認為是平衡的度量，即使類別的大小差異很大，也可以使用該度量。MCC本質上是介于-1和+1之間的相關系數值。系數+1代表理想預測，0代表平均隨機預測，-1代表逆預測。該統計也稱為phi系數。[來源：維基百科]
支持二進制和多類標簽。 僅在二進制情況下，才與真假正例和負例有關。 請參閱下面的參考。
在用戶指南中閱讀更多內容。
| 參數 | 說明 |
|---|---|
| y_true | array, shape = [n_samples] 真實目標值。 |
| y_pred | array, shape = [n_samples] 分類器返回的估計目標。 |
| sample_weight | array-like of shape (n_samples,), default=None 樣本權重。 版本0.18中的新功能。 |
| 返回值 | 說明 |
|---|---|
| mcc | float 馬修斯相關系數（+1代表理想預測，0代表平均隨機預測，-1代表反向預測）。 |
參考
2 Wikipedia entry for the Matthews Correlation Coefficient
3 Gorodkin, (2004). Comparing two K-category assignments by a K-category correlation coefficient
示例
>>> from sklearn.metrics import matthews_corrcoef
>>> y_true = [+1, +1, +1, -1]
>>> y_pred = [+1, -1, +1, +1]
>>> matthews_corrcoef(y_true, y_pred)
-0.33...