Python တွင် matthews correlation coefficient ကို တွက်နည်း

Matthews Correlation Coefficient (MCC) သည် အမျိုးအစားခွဲခြင်းပုံစံ တစ်ခု၏ စွမ်းဆောင်ရည်ကို အကဲဖြတ်ရန် ကျွန်ုပ်တို့အသုံးပြုနိုင်သည့် မက်ထရစ်တစ်ခုဖြစ်သည်။

အောက်ပါအတိုင်း တွက်ချက်သည်။

MCC = (TP*TN – FP*FN) / √ (TP+FP)(TP+FN)(TN+FP)(TN+FN)

ရွှေ-

• TP : စစ်မှန်သော အပြုသဘောဆောင်သည့် အရေအတွက်
• TN : အနုတ်အမှန် အရေအတွက်
• FP : မှားယွင်းသော အပြုသဘောဆောင်သည့် အရေအတွက်
• FN : မှားယွင်းသော အနုတ်လက္ခဏာ အရေအတွက်

အတန်းနှစ်ခုသည် ဟန်ချက်မညီသောအခါတွင် ဤမက်ထရစ်သည် အထူးသဖြင့် အသုံးဝင်သည်၊ ဆိုလိုသည်မှာ အတန်းတစ်ခုသည် အခြားတစ်ခုထက် များစွာပိုနေပါသည်။

MCC ၏တန်ဖိုးသည် -1 နှင့် 1 ကြားတွင် ဖြစ်သည်-

• -1 သည် ခန့်မှန်းထားသော အတန်းများနှင့် အမှန်တကယ် အတန်းများကြား သဘောထားကွဲလွဲမှုကို ညွှန်ပြသည်။
• ဘ၀ ဟူသည် လုံးဝ ကြုံသလို မှန်းဆခြင်း ဖြစ်သည်။
• 1 သည် ခန့်မှန်းထားသော အတန်းများနှင့် အမှန်တကယ် အတန်းများကြား ပြီးပြည့်စုံသော သဘောတူညီချက်ကို ညွှန်ပြသည်။

ဥပမာအားဖြင့်၊ အားကစားသုံးသပ်သူတစ်ဦးသည် မတူညီသောကောလိပ်ဘတ်စကက်ဘောကစားသမား 400 ကို NBA သို့ ရေးဆွဲမည်လား မခန့်မှန်းရန် ထောက်ပံ့ပို့ဆောင်ရေးဆုတ်ယုတ်မှုပုံစံကို အသုံးပြုသည်ဆိုပါစို့။

အောက်ဖော်ပြပါ ရှုပ်ထွေးမှု matrix သည် မော်ဒယ်မှ ပြုလုပ်သော ခန့်မှန်းချက်များကို အကျဉ်းချုပ်ဖော်ပြသည်-

မော်ဒယ်၏ MCC ကိုတွက်ချက်ရန်၊ ကျွန်ုပ်တို့သည် အောက်ပါဖော်မြူလာကို အသုံးပြုနိုင်ပါသည်။

• MCC = (TP*TN – FP*FN) / √ (TP+FP)(TP+FN)(TN+FP)(TN+FN)
• MCC = (15*375-5*5) / √ (15+5)(15+5)(375+5)(375+5)
• MCC = 0.7368

Matthews ဆက်စပ်ကိန်းသည် 0.7368 ဖြစ်လာသည်။ ဤတန်ဖိုးသည် တစ်ခုနှင့်တစ်ခုအတန်ငယ်နီးစပ်နေပြီး၊ မော်ဒယ်သည် ကစားသမားများကို ရေးဆွဲမည်လား မလုပ်ဆောင်မည်ကို ကြိုတင်ခန့်မှန်းရန် သင့်လျော်သောအလုပ်တစ်ခု လုပ်ဆောင်နေကြောင်း ညွှန်ပြနေသည်။

အောက်ပါဥပမာသည် Python ရှိ sklearn စာကြည့်တိုက်မှ matthews_corrcoef() လုပ်ဆောင်ချက်ကို အသုံးပြု၍ ဤသတ်သတ်မှတ်မှတ်အခြေအနေအတွက် MCC တွက်ချက်နည်းကို ပြသထားသည်။

ဥပမာ- Python ရှိ Matthews Correlation Coefficient ကို တွက်ချက်ခြင်း။

အောက်ပါကုဒ်သည် ကြိုတင်ခန့်မှန်းထားသော အတန်းများ၏ array တစ်ခုနှင့် အမှန်တကယ် အတန်းများ၏ array ကို မည်သို့ သတ်မှတ်ရမည်ကို ပြသပြီး Python ရှိ မော်ဒယ်တစ်ခု၏ Matthews ဆက်စပ်ကိန်းကို တွက်ချက်သည်-

 import numpy as np
from sklearn. metrics import matthews_corrcoef

#define array of actual classes
actual = np. repeat ([1, 0], repeats=[20, 380])

#define array of predicted classes
pred = np. repeat ([1, 0, 1, 0], repeats=[15, 5, 5, 375])

#calculate Matthews correlation coefficient
matthews_corrcoef(actual, pred)

0.7368421052631579

MCC သည် 0.7368 ဖြစ်သည်။ ၎င်းသည် အစောပိုင်းတွင် ကျွန်ုပ်တို့ကိုယ်တိုင်တွက်ချက်ထားသော တန်ဖိုးနှင့် ကိုက်ညီပါသည်။

မှတ်ချက် – matthews_corrcoef() လုပ်ဆောင်ချက်အတွက် စာရွက်စာတမ်းအပြည့်အစုံကို ဤနေရာတွင် ရှာဖွေနိုင်ပါသည်။

ထပ်လောင်းအရင်းအမြစ်များ

အောက်ပါသင်ခန်းစာများသည် Python ရှိ အမျိုးအစားခွဲခြင်းပုံစံများအတွက် အခြားဘုံမက်ထရစ်များကို တွက်ချက်နည်းကို ရှင်းပြသည်-

Python ရှိ Logistic Regression နိဒါန်း
Python တွင် F1 ရမှတ်ကို တွက်နည်း
Python တွင် မျှတသောတိကျမှုကို တွက်ချက်နည်း