Відповідь на питання Зв’язок між коефіцієнтами кореляції фі, Метьюса та Пірсона? показує, що три коефіцієнтні методи - це всі еквіваленти.
Я не зі статистики, тому це повинно бути легким питанням.
У статті Метьюса (www.sciencedirect.com/science/article/pii/0005279575901099) описано наступне:
"A correlation of:
C = 1 indicates perfect agreement,
C = 0 is expected for a prediction no better than random, and
C = -1 indicates total disagreement between prediction and observation"`.
Згідно з Wikipedia ( http://en.wikipedia.org/wiki/Pearson_product-moment_correlation_coefficient ), кореляція Пірсона описується як:
giving a value between +1 and −1 inclusive, where:
1 is total positive correlation,
0 is no correlation, and
−1 is total negative correlation
Інтерпретацію коефіцієнта кореляції Пірсона найкраще розуміти наступним чином (відповідно до http://facturing.quinnipiac.edu/libarts/polsci/Statistics.html ):
If r =
+.70 or higher Very strong positive relationship
+.40 to +.69 Strong positive relationship
+.30 to +.39 Moderate positive relationship
+.20 to +.29 weak positive relationship
+.01 to +.19 No or negligible relationship
-.01 to -.19 No or negligible relationship
-.20 to -.29 weak negative relationship
-.30 to -.39 Moderate negative relationship
-.40 to -.69 Strong negative relationship
-.70 or higher Very strong negative relationship
Читаючи деякі статті, немає ступеня інтерпретації діапазону результатів MCC від -1 до 1. Цей коефіцієнт хороший для незбалансованих наборів даних про негативи та позитиви, де показник точності не може добре оцінити, якщо прогноктор точний у цьому випадку.
Неврівноважений набір даних, чи є показник F хорошим показником для порівняння з MCC для оцінки продуктивності прогноктора? Наприклад: є випадки, які F-measure = 94%і MCC = 0.58. Що це говорить про предиктора?
Чи можу я прийняти ту саму інтерпретацію для коефіцієнта корекції Метьюса, чи є якесь інше значення в інтерпретації? Я вважаю, що обидва коефіцієнта є рівноцінними і в інтерпретації.