マシューズ相関係数（MCC）計算機の使い方
マシューズ相関係数（MCC）計算機は、機械学習や統計学における二値分類モデルの性能評価を素早く正確に行うためのオンラインツールです。混同行列（Confusion Matrix）の各要素である真陽性（TP）、真陰性（TN）、偽陽性（FP）、偽陰性（FN）の件数を入力欄に設定するか、複数データの形式で数値を貼り付け、目的の計算モードを選択してください。
入力内容に応じて、マシューズ相関係数（MCC）の値とともに、正解率、適合率、再現率、F1スコアといった各種評価指標や詳細な計算ステップ、数式、警告メッセージがリアルタイムに表示されます。
計算式と理論 - マシューズ相関係数（MCC）の算出方法
マシューズ相関係数（Matthews Correlation Coefficient: MCC）は、混同行列の4つの要素すべてを網羅して算出される相関係数の一種です。特にクラス間のデータ件数に偏りがある不均衡データ（Imbalanced Data）の性能評価において、正解率（Accuracy）やF1スコアよりも客観的で信頼性の高い指標として幅広く活用されています。
MCCの定義式は以下の通りです：
$$MCC = \frac{TP \times TN - FP \times FN}{\sqrt{(TP + FP)(TP + FN)(TN + FP)(TN + FN)}}$$
MCCの値は $-1$ から $+1$ の範囲をとり、各値の意味は以下の通りです：
- +1: 実測値と予測値が完全に一致（理想的な二値分類モデル）
- 0: ランダムな予測と同等の性能（分類能力なし）
- -1: 実測値と予測値が完全に反転（全件が誤予測）
分母が 0 になる特殊なケース（全予測が陽性または陰性のみ等）では MCC が未定義となるため、適切な警告と判定結果が表示されます。
マシューズ相関係数（MCC）の主な活用シーン
マシューズ相関係数 計算ツールは、以下のような多様な用途・環境でご活用いただけます：
- 機械学習・データサイエンス: 医療診断モデルや不正検知システムなど、陽性件数が極めて少ない不均衡データの分類モデル評価
- 統計学・データ分析の課題・学習: 混同行列を用いた評価指標の手計算チェックや課題・講義の検証
- 実務でのダッシュボード構築: 表計算ソフト（ExcelやGoogleスプレッドシート）で集計した混同行列結果のクイック検証
- モデル比較: Accuracy、Precision、Recall、F1スコア、MCCを同時に確認し、モデル間の総合的なパフォーマンス分析
ブラウザローカルで安全かつ瞬時に各種指標をチェックできますので、日々のアナリティクス業務やモデル評価にぜひお役立てください。