Calculadora de MCC: evalúa un clasificador binario con toda la matriz de confusión
Calcula el coeficiente de correlación de Matthews (MCC) de una matriz de confusión, junto con la puntuación F1, la exactitud, el kappa de Cohen y el índice de Youden.
Cómo funciona
MCC = (VP × VN − FP × FN) ÷ √[(VP + FP)(VP + FN)(VN + FP)(VN + FN)]
El coeficiente de correlación de Matthews es la correlación de Pearson entre las etiquetas predichas y las reales, y va de −1 (todo al revés) a +1 (clasificación perfecta), pasando por 0, que equivale a adivinar al azar. A diferencia de la exactitud o la puntuación F1, usa las cuatro celdas de la matriz de confusión de forma simétrica, así que un modelo no puede verse bien solo por acertar la clase mayoritaria. Por eso se recomienda como métrica única para clasificación binaria, sobre todo con datos desbalanceados.
Ejemplo resuelto
Ana prueba un modelo que detecta transacciones legítimas: 90 verdaderos positivos, 5 falsos positivos, 10 falsos negativos y 5 verdaderos negativos. La exactitud es 95 ÷ 110 = 86.36% y la F1 llega a 0.9231, cifras que parecen excelentes. Sin embargo, MCC = (90 × 5 − 5 × 10) ÷ √(95 × 100 × 10 × 15) = 400 ÷ 1,193.7 = 0.3351, una correlación débil: la especificidad es solo del 50.0%, es decir, el modelo deja pasar la mitad de los casos negativos.
Preguntas frecuentes
¿Qué relación hay entre el MCC y el kappa de Cohen?
Dan valores muy parecidos en tablas balanceadas y son idénticos cuando los totales marginales coinciden. El MCC usa una media geométrica y es el preferido para evaluar clasificadores.
¿Qué es un buen valor de MCC?
Por encima de 0.7 es fuerte y entre 0.4 y 0.7 moderado. Aun así, conviene compararlo con un modelo de referencia en lugar de aplicar una regla fija.
¿Por qué el MCC es mejor que la exactitud con datos desbalanceados?
Si el 95% de los casos son positivos, un modelo que siempre dice «positivo» tiene 95% de exactitud, pero su MCC es 0. El MCC solo sube cuando el modelo acierta en ambas clases.
¿Qué significa un MCC negativo?
Que el modelo acierta menos que el azar: sus predicciones tienden a ser lo contrario de la realidad. Un MCC de −1 indica que se equivoca en todos los casos.
Calculadoras relacionadas
Esta calculadora tiene fines informativos. Verifica los resultados importantes antes de tomar decisiones.