F1 Score
Kesinlik ve duyarlılığın harmonik ortalamasını alan sınıflandırma başarı metriği.
F1 skoru, bir sınıflandırma modelinin başarısını tek bir sayıyla özetlemek için kesinlik (precision) ve duyarlılığın (recall) harmonik ortalamasını alan bir metriktir. Harmonik ortalama kullanılmasının nedeni, iki değerden biri çok düşükse F1 skorunun da düşük çıkmasını sağlamaktır; yani model yalnızca kesinlikte veya yalnızca duyarlılıkta iyi olup diğerini ihmal ederek yüksek bir F1 skoru elde edemez. Formül olarak F1 = 2 × (kesinlik × duyarlılık) / (kesinlik + duyarlılık) şeklinde ifade edilir ve 0 ile 1 arasında bir değer alır; 1'e yaklaşması hem az yanlış alarm hem de az kaçırılmış vaka anlamına gelir.
F1 skoru özellikle sınıf dağılımının dengesiz olduğu problemlerde tercih edilir, çünkü böyle durumlarda sadece doğruluk (accuracy) metriğine bakmak yanıltıcı olabilir: model her şeyi "dolandırıcılık değil" diye tahmin ederek bile yüksek doğruluk elde edebilir, ama bu işe yaramaz bir modeldir. Tıbbi teşhis, spam filtreleme, dolandırıcılık tespiti gibi alanlarda F1 skoru yaygın olarak raporlanır; bazı durumlarda kesinlik veya duyarlılığa farklı ağırlık vermek için F-beta skoru gibi genelleştirilmiş versiyonları da kullanılır.
F1 skoru özellikle sınıf dağılımının dengesiz olduğu problemlerde tercih edilir, çünkü böyle durumlarda sadece doğruluk (accuracy) metriğine bakmak yanıltıcı olabilir: model her şeyi "dolandırıcılık değil" diye tahmin ederek bile yüksek doğruluk elde edebilir, ama bu işe yaramaz bir modeldir. Tıbbi teşhis, spam filtreleme, dolandırıcılık tespiti gibi alanlarda F1 skoru yaygın olarak raporlanır; bazı durumlarda kesinlik veya duyarlılığa farklı ağırlık vermek için F-beta skoru gibi genelleştirilmiş versiyonları da kullanılır.