phi、Matthews 和 Pearson 相关系数之间的关系问题的答案？表明三种系数方法都是等价的。

我不是统计学家，所以这应该是一个简单的问题。

Matthews 的论文 (www.sciencedirect.com/science/article/pii/0005279575901099) 描述了以下内容：

"A correlation of:
   C =  1 indicates perfect agreement,
   C =  0 is expected for a prediction no better than random, and
   C = -1 indicates total disagreement between prediction and observation"`.

根据维基百科（http://en.wikipedia.org/wiki/Pearson_product-moment_correlation_coefficient），皮尔逊相关性描述为：

giving a value between +1 and −1 inclusive, where:
   1 is total positive correlation, 
   0 is no correlation, and
  −1 is total negative correlation

Pearson 相关系数解释最好理解为以下内容（根据http://faculty.quinnipiac.edu/libarts/polsci/Statistics.html）：

If r =
   +.70 or higher Very strong positive relationship
   +.40 to +.69 Strong positive relationship
   +.30 to +.39 Moderate positive relationship
   +.20 to +.29 weak positive relationship
   +.01 to +.19 No or negligible relationship
   -.01 to -.19 No or negligible relationship
   -.20 to -.29 weak negative relationship
   -.30 to -.39 Moderate negative relationship
   -.40 to -.69 Strong negative relationship
   -.70 or higher Very strong negative relationship

阅读一些论文，对于 MCC 结果范围在 -1 和 1 之间没有任何程度的解释。该系数适用于负数和正数的不平衡数据集，如果在这种情况下预测器是准确的，则准确度指标无法很好地估计。

对于不平衡的数据集，F 度量是否是与 MCC 进行比较以评估预测器性能的好指标？例如：有些情况F-measure = 94%和MCC = 0.58。它告诉了预测器什么？

我可以对马修斯相关系数采用相同的解释，还是解释上有一些不同的含义？我相信这两个系数在解释上也是等价的。