Puntuación F1

La puntuación F1, también conocida como medida F o puntuación F, es una medida de la precisión de una prueba. Es una combinación de precisión y recuperación. La precisión expresa el porcentaje de resultados positivos predichos correctamente entre todas las predicciones positivas, mientras que la recuperación expresa el porcentaje de resultados positivos predichos correctamente entre todas las muestras relevantes. La puntuación F1 es la media armónica de la precisión y la recuperación.

La puntuación F1 se utiliza para evaluar el rendimiento de un modelo en una tarea de clasificación binaria como el filtrado de spam. Complementa a la precisión y la recuperación, que también se utilizan en la evaluación de un modelo. La puntuación F1 es la medida más utilizada entre todas las medidas de precisión disponibles para la clasificación binaria.

Para calcular la puntuación F1, hay dos términos -precisión y recuerdo- que se calculan como:

● Precisión = (Verdaderos positivos) / (Verdaderos positivos + Falsos positivos).
● Recall = (Verdaderos positivos) / (Verdaderos positivos + Falsos negativos)

La puntuación F1 se calcula como

Puntuación F1 = 2 (Precisión x Recuperación) / (Precisión + Recuperación)

La puntuación F1 combina precisión y recall en una sola medida. Sin embargo, no siempre es la mejor opción, ya que su valor puede ser inexistente si uno de los dos términos es cero (como en el caso de una precisión y un recuerdo perfectos, en los que uno será cero). En tales casos, debería utilizarse en su lugar la puntuación Föbeta.

En conclusión, la puntuación F1 es una medida de la precisión de un modelo de clasificación. Se calcula combinando la precisión y la recuperación y es la más utilizada como medida de precisión para problemas de clasificación binaria.