Посчитайте F1 для модели, которая всегда предсказывает 0, при выборке 90 нулей и 10 единиц.

Модель всегда предсказывает класс 0.

Дано:

• Всего 100 объектов: 90 нулей (класс 0) и 10 единиц (класс 1).
• Предсказания: все 0.

Вычислим метрики для класса 1 (обычно F1 считают для положительного класса):

• True Positives (TP) = 0 (модель не предсказала ни одного 1)
• False Positives (FP) = 0 (модель не предсказала 1, значит FP=0)
• False Negatives (FN) = 10 (все 10 единиц пропущены)

Precision = TP / (TP + FP) = 0 / 0 — неопределено, считаем 0 Recall = TP / (TP + FN) = 0 / 10 = 0

F1 = 2 * (Precision * Recall) / (Precision + Recall) = 0

Итог: F1 = 0

Если считать для класса 0, то:

• TP = 90
• FP = 10 (все единицы ошибочно отнесены к 0)
• FN = 0

Precision = 90 / (90 + 10) = 0.9 Recall = 90 / (90 + 0) = 1 F1 = 2 * 0.9 * 1 / (0.9 + 1) ≈ 0.947

Но обычно F1 считают для положительного класса, значит ответ: F1 = 0.