La exactitud puede engañar cuando una clase es rara. La calculadora del coeficiente de Matthews toma los verdaderos positivos, falsos positivos, falsos negativos y verdaderos negativos, y da el MCC, con la exactitud, la puntuación F1 y el J de Youden para comparar.
Cómo se hace el cálculo
- Introduce las cuatro casillas de tu matriz de confusión: verdaderos positivos, falsos positivos, falsos negativos y verdaderos negativos.
- El coeficiente de correlación de Matthews vale MCC = (VP × VN − FP × FN) ÷ √((VP + FP)(VP + FN)(VN + FP)(VN + FN)).
- Va de −1, una predicción perfectamente invertida, a +1, una predicción perfecta, pasando por 0, que no es mejor que el azar.
- La calculadora muestra también la exactitud, la puntuación F1 y el J de Youden para comparar.
Ejemplo
Una prueba da 40 verdaderos positivos, 10 falsos positivos, 20 falsos negativos y 130 verdaderos negativos. El numerador vale 40 × 130 − 10 × 20 = 5000 y el denominador √(50 × 60 × 140 × 150) ≈ 7937, así que MCC = 0,6299. La exactitud es del 85,00 %, la puntuación F1 de 0,7273 y el J de Youden de 0,5952.
Por qué es útil
Los profesionales del aprendizaje automático, los diseñadores de pruebas diagnósticas y los bioinformáticos usan el MCC porque trata de forma equitativa las dos clases. Muchas publicaciones lo indican ya junto a la exactitud y al F1 para la clasificación binaria, y es especialmente útil para comparar un modelo en conjuntos de datos cuya proporción de casos positivos es muy diferente.
Conviene saber
El MCC describe un único punto de funcionamiento de un clasificador. No muestra cómo varía el rendimiento con el umbral de decisión, algo que sí muestra una curva ROC. Para más de dos clases existe una versión multiclase que no se trata aquí. Indica los cuatro recuentos junto con el MCC para que los lectores puedan recalcular cualquier otra medida que prefieran.
Herramientas relacionadas
La calculadora de la matriz de confusión da medidas más clásicas a partir de los mismos cuatro recuentos, y la de la significación de una correlación explica la idea que hay detrás del MCC.