混淆矩阵指标 使用指南

输入 TP/FP/FN/TN 计算马修斯相关系数 MCC 和 FPR。

计算公式与原理

MCC = (TP·TN − FP·FN)/√[(TP+FP)(TP+FN)(TN+FP)(TN+FN)]；FPR = FP/(FP+TN)；TNR = TN/(FP+TN)；FDR = FP/(TP+FP)

MCC 同时用到混淆矩阵四格，取值 [−1,1]，0 表示与随机猜测相当，在不平衡数据上比准确率稳健。FDR 回答"报为正的结果里有多少是误报"，与精确率互补（P = 1 − FDR），常用于多重假设检验的校正判读。

使用步骤

1. 填写「TP」。
2. 填写「FP」。
3. 填写「FN」。
4. 填写「TN」。
5. 结果区会即时更新；可一键复制结果用于记录或汇报。

典型使用场景

• 马修斯相关系数 MCC=(TP·TN−FP·FN)/√((TP+FP)(TP+FN)(TN+FP)(TN+FN))，综合四类计数，类别不平衡时优于准确率。
• 假正率 FPR=FP/(FP+TN)，衡量负类被误判为正的比例。
• MCC 取值 [−1,1]，1 为完美、0 为随机、负值为反向相关。

算例参考

• 不平衡二分类：TP=80, FP=20, FN=10, TN=890：准确率=(80+890)/1000=97%，但 MCC=(80×890−20×10)/√(100×90×910×900)=71000/√7371000000≈0.827，FPR=20/(20+890)=2.2%。

注意事项

结果为按上述公式得到的理论估算值，实际表现受数据分布、实现细节与运行环境影响，落地决策请以实测为准；本工具纯前端运行，输入不上传服务器。

为什么准确率高分却不可信？

正负样本极不平衡时全猜负类也能得高准确率。MCC 同时用四类计数，能暴露这种假象，是更稳健的单一指标。

FPR 和 FNR 有何不同？

FPR=FP/(FP+TN) 是负类误判率；FNR=FN/(FN+TP) 是漏检率。医学筛查通常压低 FNR(少漏诊)，反垃圾则压低 FPR(少误杀)。