Python 计算 MCC 和 F1-score：二分类模型评估指标

MCC（Matthews Correlation Coefficient）和 F1-score 是两种常用的二分类模型评估指标。在 Python 中，可以使用 sklearn 库中的 metrics 模块计算 MCC 和 F1-score。

1. 计算 MCC

MCC 的计算方法如下：

其中，TP 表示真正例（True Positive）的数量，TN 表示真负例（True Negative）的数量，FP 表示假正例（False Positive）的数量，FN 表示假负例（False Negative）的数量。

在 sklearn 库中，可以使用 metrics.matthews_corrcoef() 函数计算 MCC，示例代码如下：

from sklearn import metrics

y_true = [1, 1, 0, 0, 1, 0]
y_pred = [1, 0, 0, 1, 1, 0]

mcc = metrics.matthews_corrcoef(y_true, y_pred)
print(mcc)

输出结果为：

0.16666666666666666

2. 计算 F1-score

F1-score 的计算方法如下：

其中，precision 表示精确率（Precision），recall 表示召回率（Recall）。

在 sklearn 库中，可以使用 metrics.f1_score() 函数计算 F1-score，示例代码如下：

from sklearn import metrics

y_true = [1, 1, 0, 0, 1, 0]
y_pred = [1, 0, 0, 1, 1, 0]

f1_score = metrics.f1_score(y_true, y_pred)
print(f1_score)

输出结果为：

0.6666666666666666

注意：在使用这些函数时，需要保证 y_true 和 y_pred 的长度相等。