Correlación de Matthews (MCC)
Con 50 verdaderos positivos, 40 verdaderos negativos, 5 falsos positivos y 5 falsos negativos, el coeficiente de Matthews es 0,79798. Escriba los cuatro recuentos de su matriz de confusión y obtenga una sola puntuación equilibrada para un clasificador de sí o no. Gratis en su navegador.
- Gratis
- Funciona en su navegador
- Sin registro
- Sus datos no salen de su equipo
Ejecutar — gratis
Ejemplo resuelto
- Tp
- 50
- Tn
- 40
- Fp
- 5
- Fn
- 5
- Decimales
- 6
- Mcc
- 0,79798
MCC a partir de los recuentos de confusión VP/VN/FP/FN. Intención de búsqueda: coeficiente de correlación de Matthews. No se requieren llamadas de red ni semillas aleatorias. Los trabajos fallidos no se facturan.
Cuatro recuentos, una sola puntuación
Un clasificador binario decide sí o no para cada caso, y al comparar sus respuestas con la realidad salen cuatro recuentos. Los verdaderos positivos son los casos de sí que acertó; los verdaderos negativos, los de no que descartó bien; los falsos positivos, los de no que marcó por error, y los falsos negativos, los de sí que se le escaparon. El coeficiente de correlación de Matthews reúne los cuatro en un número. Se multiplican los verdaderos positivos por los verdaderos negativos, se resta el producto de falsos positivos por falsos negativos y se divide entre la raíz cuadrada del producto de las cuatro sumas. Con 50, 40, 5 y 5 el resultado es 0,79798.
Cómo leer el resultado y cómo se redondea
Como la fórmula usa todas las casillas de la matriz de confusión, los dos tipos de error, falsos positivos y falsos negativos, pesan en el resultado. El coeficiente se comporta como una correlación entre lo predicho y lo real y va de −1 a 1: cuanto más cerca de 1, mejor coinciden. Si usted pide un número de decimales, el valor sin redondear se redondea una sola vez al final, con la mitad hacia arriba, y no se acumulan errores. Los cuatro recuentos aparecen junto al resultado, así que es fácil comprobar que entraron las cifras correctas.
Preguntas frecuentes
¿Qué datos necesito para calcular el coeficiente de Matthews?
Solo los cuatro recuentos de una matriz de confusión: verdaderos positivos, verdaderos negativos, falsos positivos y falsos negativos. No hace falta cada predicción por separado; basta con saber cuántos casos cayeron en cada casilla.
¿Cuál es la fórmula del MCC?
Se multiplica TP por TN, se resta FP por FN y el resultado se divide entre la raíz cuadrada de (TP+FP)(TP+FN)(TN+FP)(TN+FN). La calculadora aplica esa fórmula directamente a los recuentos que usted escribe.
¿En qué se diferencia el MCC de un coeficiente de correlación corriente?
Una correlación corriente compara dos listas de mediciones emparejadas. El MCC parte, en cambio, de los cuatro recuentos de una clasificación de sí o no y mide cuánto coinciden las etiquetas predichas con las reales.
¿La calculadora redondea el resultado?
Solo si usted elige un número de decimales. En ese caso, el resultado sin redondear se redondea una sola vez, al final, con la mitad hacia arriba, para que no se acumulen errores de redondeo.
Herramientas relacionadas
Para desarrolladores — acceso por API
Todo lo de esta página está disponible por programación. Esta sección es para equipos que quieren integrarlo en sus sistemas; el resto puede usar la herramienta de arriba sin más.
Endpoint de API
¿Prefiere automatizarlo? Un POST autenticado crea la tarea; el resultado llega por webhook o enlace firmado. La misma capacidad también se ejecuta aquí en la web, por email y desde Telegram — y pronto también desde nuestra app.
Llámela desde su stack
curl -X POST https://api.kit.forhosting.com/stat/matthews-corr \
-H "Authorization: Bearer $KIT_KEY" \
-H "Content-Type: application/json" \
-d '{"tp":50,"tn":40,"fp":5,"fn":5}'const res = await fetch("https://api.kit.forhosting.com/stat/matthews-corr", {
method: "POST",
headers: {
"Authorization": `Bearer ${process.env.KIT_KEY}`,
"Content-Type": "application/json"
},
body: JSON.stringify({
"tp": 50,
"tn": 40,
"fp": 5,
"fn": 5
})
});
const { task_id } = await res.json();import os, requests
res = requests.post(
"https://api.kit.forhosting.com/stat/matthews-corr",
headers={"Authorization": f"Bearer {os.environ['KIT_KEY']}"},
json={
"tp": 50,
"tn": 40,
"fp": 5,
"fn": 5
},
)
task_id = res.json()["task_id"]<?php
$res = file_get_contents("https://api.kit.forhosting.com/stat/matthews-corr", false, stream_context_create([
"http" => [
"method" => "POST",
"header" => "Authorization: Bearer " . getenv("KIT_KEY") . "\r\nContent-Type: application/json",
"content" => '{"tp":50,"tn":40,"fp":5,"fn":5}',
],
]));
$task = json_decode($res, true);body := bytes.NewBufferString(`{"tp":50,"tn":40,"fp":5,"fn":5}`)
req, _ := http.NewRequest("POST", "https://api.kit.forhosting.com/stat/matthews-corr", body)
req.Header.Set("Authorization", "Bearer "+os.Getenv("KIT_KEY"))
req.Header.Set("Content-Type", "application/json")
res, _ := http.DefaultClient.Do(req)Ejemplo de solicitud
{
"tp": 50,
"tn": 40,
"fp": 5,
"fn": 5
}Ejemplo de respuesta
{
"task_id": "tsk_a1b2c3d4e5f6a1b2c3d4e5f6",
"type": "stat.matthews_corr",
"status": "queued",
"_links": {
"result": "/tasks/tsk_…/result"
}
}La API es asíncrona: la llamada devuelve un task_id al instante y el resultado llega por webhook. El polling está limitado a 1 req/s por tarea.
Precio
Precio publicado — sin tokens ni créditos inventados. Una tarea fallida no se cobra.
Errores
| HTTP | Código | Significado |
|---|---|---|
401 | unauthorized | API key ausente o inválida. |
402 | insufficient_balance | El saldo no cubre el precio de la tarea. |
404 | unknown_type | El tipo de tarea no existe. |
429 | rate_limited | Demasiadas peticiones. Use el webhook en vez de sondear. |
Notas técnicas
La calculadora es gratuita en el navegador, determinista e idéntica en la ruta del API. Las entradas se validan antes de la aritmética, de modo que las cargas no válidas fallan con invalid_input. El redondeo half-up se aplica una sola vez sobre los valores IEEE en bruto cuando se solicitan decimales. Use el mismo JSON desde hojas de cálculo, CMS, automatización o demostraciones docentes.
Cómo funciona
MCC a partir de los recuentos de confusión VP/VN/FP/FN. MCC=(TP·TN−FP·FN)/√((TP+FP)(TP+FN)(TN+FP)(TN+FN)). No se requieren llamadas de red ni semillas aleatorias. Los trabajos fallidos no se facturan. No se requieren llamadas de red ni semillas aleatorias. Los trabajos fallidos no se facturan. La calculadora es gratuita en el navegador, determinista e idéntica en la ruta del API. Las entradas se validan antes de la aritmética, de modo que las cargas no válidas fallan con invalid_input. El redondeo half-up se aplica una sola vez sobre los valores IEEE en bruto cuando se solicitan decimales. Use el mismo JSON desde hojas de cálculo, CMS, automatización o demostraciones docentes. La calculadora es gratuita en el navegador, determinista e idéntica en la ruta del API. Las entradas se validan antes de la aritmética, de modo que las cargas no válidas fallan con invalid_input. El redondeo half-up se aplica una sola vez sobre los valores IEEE en bruto cuando se solicitan decimales. Use el mismo JSON desde hojas de cálculo, CMS, automatización o demostraciones docentes.
Entradas, límites y redondeo
Los decimales opcionales usan half-up una sola vez. Las salidas reflejan las entradas. No se requieren llamadas de red ni semillas aleatorias. Los trabajos fallidos no se facturan. No se requieren llamadas de red ni semillas aleatorias. Los trabajos fallidos no se facturan. Proporcione los campos JSON obligatorios. Los tipos no válidos generan invalid_input. La calculadora es gratuita en el navegador, determinista e idéntica en la ruta del API. Las entradas se validan antes de la aritmética, de modo que las cargas no válidas fallan con invalid_input. El redondeo half-up se aplica una sola vez sobre los valores IEEE en bruto cuando se solicitan decimales. Use el mismo JSON desde hojas de cálculo, CMS, automatización o demostraciones docentes. La calculadora es gratuita en el navegador, determinista e idéntica en la ruta del API. Las entradas se validan antes de la aritmética, de modo que las cargas no válidas fallan con invalid_input. El redondeo half-up se aplica una sola vez sobre los valores IEEE en bruto cuando se solicitan decimales. Use el mismo JSON desde hojas de cálculo, CMS, automatización o demostraciones docentes.
Cuándo usarla
Úsela cuando la intención de búsqueda coincida. MCC a partir de los recuentos de confusión VP/VN/FP/FN. No se requieren llamadas de red ni semillas aleatorias. Los trabajos fallidos no se facturan. No se requieren llamadas de red ni semillas aleatorias. Los trabajos fallidos no se facturan. La calculadora es gratuita en el navegador, determinista e idéntica en la ruta del API. Las entradas se validan antes de la aritmética, de modo que las cargas no válidas fallan con invalid_input. El redondeo half-up se aplica una sola vez sobre los valores IEEE en bruto cuando se solicitan decimales. Use el mismo JSON desde hojas de cálculo, CMS, automatización o demostraciones docentes. La calculadora es gratuita en el navegador, determinista e idéntica en la ruta del API. Las entradas se validan antes de la aritmética, de modo que las cargas no válidas fallan con invalid_input. El redondeo half-up se aplica una sola vez sobre los valores IEEE en bruto cuando se solicitan decimales. Use el mismo JSON desde hojas de cálculo, CMS, automatización o demostraciones docentes.
Casos de integración
Comprobación rápida
Widget gratuito.
Automatización
El mismo JSON a través del API.
Docencia
Ejemplos golden fijados.
Preguntas técnicas
¿Gratis?
Sí, tier A.
¿Red?
No la usa.
¿Entrada no válida?
Devuelve invalid_input.
¿API?
Sí.
¿Idiomas?
Solo EN; Nitro los hidrata.