用Python计算matthews_corrcoef()值的方法

使用Python计算matthews_corrcoef()值的方法如下：

1. 导入所需的库：

from sklearn.metrics import matthews_corrcoef

2. 准备数据：

准备两个分类结果的列表，每个列表包含0和1的元素，表示不同的分类结果。

例如，为了计算预测结果和实际结果之间的Matthews相关系数，可以使用以下示例数据：

actual = [0, 1, 0, 1, 1]
predicted = [0, 1, 1, 1, 0]

3. 计算Matthews相关系数：

使用matthews_corrcoef()函数来计算Matthews相关系数：

mcc = matthews_corrcoef(actual, predicted)

这将返回一个介于-1和1之间的值，其中1表示完美预测，0表示随机预测，-1表示完全相反的预测。

4. 打印结果：

打印计算得到的Matthews相关系数的值：

print("Matthews Correlation Coefficient:", mcc)

下面是一个完整的示例，演示了如何使用Python计算matthews_corrcoef()的值：

from sklearn.metrics import matthews_corrcoef

# 准备数据
actual = [0, 1, 0, 1, 1]
predicted = [0, 1, 1, 1, 0]

# 计算Matthews相关系数
mcc = matthews_corrcoef(actual, predicted)

# 打印结果
print("Matthews Correlation Coefficient:", mcc)

运行以上代码会输出以下结果：

Matthews Correlation Coefficient: -0.3333333333333333

以上例子中的预测结果和实际结果之间的Matthews相关系数为-0.33，这表示预测结果和实际结果之间存在一定的相反关系。