\u00c9 calculado da seguinte forma:<\/span><\/p>\n MCC<\/strong> = (TP*TN \u2013 FP*FN) \/ \u221a (TP+FP)(TP+FN)(TN+FP)(TN+FN)<\/span><\/span><\/p>\n Ouro:<\/span><\/p>\n Esta m\u00e9trica \u00e9 particularmente \u00fatil quando as duas classes est\u00e3o desequilibradas, ou seja, uma classe aparece muito mais que a outra.<\/span><\/p>\n O valor de MCC est\u00e1 entre -1 e 1 onde:<\/span><\/p>\n Por exemplo, suponha que um analista esportivo use um modelo de regress\u00e3o log\u00edstica<\/a> para prever se 400 jogadores diferentes de basquete universit\u00e1rio ser\u00e3o ou n\u00e3o convocados para a NBA.<\/span><\/p>\n A seguinte matriz de confus\u00e3o resume as previs\u00f5es feitas pelo modelo:<\/span> <\/p>\n Para calcular o MCC do modelo, podemos utilizar a seguinte f\u00f3rmula:<\/span><\/p>\n O coeficiente de correla\u00e7\u00e3o de Matthews \u00e9 0,7368<\/strong> .<\/span><\/p>\n Este valor \u00e9 um pouco pr\u00f3ximo de um, indicando que o modelo est\u00e1 fazendo um trabalho decente ao prever se os jogadores ser\u00e3o convocados ou n\u00e3o.<\/span><\/p>\n O exemplo a seguir mostra como calcular o MCC para este cen\u00e1rio espec\u00edfico usando a fun\u00e7\u00e3o mcc()<\/strong> do pacote mltools<\/b> em R.<\/span><\/p>\n O c\u00f3digo a seguir mostra como definir um vetor de classes previstas e um vetor de classes reais e, em seguida, calcular o coeficiente de correla\u00e7\u00e3o de Matthews usando a fun\u00e7\u00e3o mcc()<\/strong> do pacote mltools<\/strong> :<\/span><\/p>\n O coeficiente de correla\u00e7\u00e3o de Matthews \u00e9 0,7368<\/strong> .<\/span><\/p>\n Isso corresponde ao valor que calculamos manualmente anteriormente.<\/span><\/p>\n Se quiser calcular o coeficiente de correla\u00e7\u00e3o de Matthews para uma matriz de confus\u00e3o, voc\u00ea pode usar o argumento confus\u00e3oM<\/strong> da seguinte forma:<\/span><\/p>\n Novamente, o coeficiente de correla\u00e7\u00e3o de Matthews \u00e9 0,7368.<\/strong><\/span><\/p>\n Os tutoriais a seguir explicam como realizar outras tarefas comuns em R:<\/span><\/p>\n Como realizar regress\u00e3o log\u00edstica em R O Coeficiente de Correla\u00e7\u00e3o de Matthews (MCC) \u00e9 uma m\u00e9trica que podemos usar para avaliar o desempenho de um modelo de classifica\u00e7\u00e3o . \u00c9 calculado da seguinte forma: MCC = (TP*TN \u2013 FP*FN) \/ \u221a (TP+FP)(TP+FN)(TN+FP)(TN+FN) Ouro: TP : N\u00famero de verdadeiros positivos TN : N\u00famero de verdadeiros negativos FP : N\u00famero de falsos positivos […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-3613","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n\n
\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/equilibre1.png\")
<\/p>\n\n
Exemplo: Calculando o Coeficiente de Correla\u00e7\u00e3o de Matthews em R<\/strong><\/span><\/h2>\n
library<\/span> (mltools)\n\n#define vector of actual classes\n<\/span>actual <- rep<\/span> (c(1, 0), times<\/span> =c(20, 380))\n\n#define vector of predicted classes\n<\/span>preds <- rep<\/span> (c(1, 0, 1, 0), times<\/span> =c(15, 5, 5, 375))\n\n#calculate Matthews correlation coefficient\n<\/span>mcc(preds, actual)\n\n[1] 0.7368421\n<\/strong><\/pre>\n library<\/span> (mltools)\n\n#create confusion matrix\n<\/span>conf_matrix <- matrix(c(15, 5, 5, 375), nrow= 2<\/span> )\n\n#view confusion matrix\n<\/span>conf_matrix\n\n [,1] [,2]\n[1,] 15 5\n[2,] 5,375\n\n#calculate Matthews correlation coefficient for confusion matrix\n<\/span>mcc(confusionM = conf_matrix)\n\n[1] 0.7368421\n<\/strong><\/pre>\n Recursos adicionais<\/strong><\/span><\/h2>\n
Como tra\u00e7ar uma curva ROC usando ggplot2<\/a>
Como calcular a pontua\u00e7\u00e3o F1 em R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"