解释tensorflow中多类的不同Matthews相关系数

Question

我试图解释在MCC的tensorflow中得到的不同结果。 我有3个类，我使用分类交叉熵作为损失函数。我在tensoflow插件的度量中添加了mcc，如下所示：

tfa.metrics.MatthewsCorrelationCoefficient(name="mcc", num_classes=3)

test_metrics = model.evaluate(test_gen, verbose=1)
test_mcc = test_metrics[model.metrics_names.index("mcc")]

# THIS PART IS ADDED TO TEST DIFF BETWEEN EVAL AND PREDICT
y_classes = test_gen.targets.argmax(axis=-1)
pred_prop = model.predict(test_gen, verbose=1)
test_mcc_sklearn = matthews_corrcoef(y_classes, pred_prop.argmax(axis=-1))

• 培训输出（一个历元的ex）：…-损失：0.7549-附件：0.7276-auc:0.8313-mcc:0.3735-val_损失：0.7677-val_附件：0.7302-val_auc:0.8211-val_mcc:0.3745
• 评估输出：。。。损失：0.7879-acc:0.7124-auc:0.8107-mcc:0.3768
• 测试_mcc=[0.24070711 0.29297936 0.5968444]
• 测试电机控制中心学习=0.04130715666673915

这是我第一次使用mcc，我真的对这种不同的结果感到困惑