Защо F1-оценката се счита за хармонично средно на прецизност и отклик, а не за аритметично?

F1-оценката е хармоничното средно на прецизността и recall, тъй като по-добре отразява баланса между тези метрики, особено когато те се различават значително. Аритметичното средно може да изкриви оценката към по-висока стойност, без да взема предвид, че ниската стойност на една от метриките е критична.

Хармоничното средно дава по-голям тежест на по-малката от двете стойности, затова F1-оценката ще бъде ниска, ако или прецизността, или recall-ът са ниски. Това е важно при задачи за класификация, където трябва да се намери компромис между точност и пълнота.

Формулата за F1-оценка:

F1 = 2 \times \frac{precision \times recall}{precision + recall}

По този начин, F1-оценката стимулира подобряване и на двете метрики, а не само на една от тях.