Neden F1 skoru, precision ve recall'un harmonik ortalaması olarak kabul edilir, aritmetik değil?

F1 skoru, precision ve recall'un harmonik ortalamasıdır, çünkü bu metrikler arasındaki dengeyi daha iyi yansıtır, özellikle de bunlar büyük ölçüde farklıysa. Aritmetik ortalama, düşük olan bir metriğin kritik olduğu durumlarda, değerlendirmeyi daha yüksek bir değere kaydırabilir.

Harmonik ortalama, iki değerden daha küçüğüne daha fazla ağırlık verir, bu nedenle eğer precision veya recall düşükse, F1 skoru düşük olacaktır. Bu, doğruluk ve kapsam arasında bir uzlaşma bulunması gereken sınıflandırma görevlerinde önemlidir.

F1 skoru formülü:

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

Bu nedenle, F1 skoru her iki metriği de geliştirmeye teşvik eder, sadece birini değil.