F1 分数是什么

F1 是一个常用的分类模型评估指标，叫 F1 分数（F1 Score），它综合了精确率（Precision）和召回率（Recall）。

具体来说：

• 精确率（Precision）：预测为正例的样本中，真正是正例的比例。

  $$extPrecision=\frac{\text{True Positives}}{\text{True Positives}+\text{False Positives}}$$

• 召回率（Recall）：所有真实正例中，被模型正确预测出来的比例。$\text{Recall}=\frac{\text{True Positives}}{\text{True Positives}+\text{False Negatives}}$

• F1 分数：精确率和召回率的调和平均值，公式：$F1=2\times \frac{\text{Precision}\times \text{Recall}}{\text{Precision}+\text{Recall}}$

直观理解：

• 精确率高：预测对的比错的多（不乱猜）。
• 召回率高：该找的都找到了（不漏掉）。
• F1 分数：在不偏向某一方的情况下平衡这两者，值越高表示模型越好（最高 1.0）。