Score F1

Le score F1, également appelé mesure F ou score F, est une mesure de la précision d'un test. Il s'agit d'une combinaison de la précision et du rappel. La précision exprime le pourcentage de résultats positifs correctement prédits parmi toutes les prédictions positives, tandis que le rappel exprime le pourcentage de résultats positifs correctement prédits parmi tous les échantillons pertinents. Le score F1 est la moyenne harmonique de la précision et du rappel.

Le score F1 est utilisé pour évaluer les performances d'un modèle dans une tâche de classification binaire telle que le filtrage des spams. Il complète la précision et le rappel, qui sont également utilisés dans l'évaluation d'un modèle. Le score F1 est la mesure la plus couramment utilisée parmi toutes les mesures de précision disponibles pour la classification binaire.

Pour calculer le score F1, il y a deux termes - la précision et le rappel - qui sont calculés comme suit :

● Précision = (vrais positifs) / (vrais positifs + faux positifs).
● Rappel = (vrais positifs) / (vrais positifs + faux négatifs).

Le score F1 est alors calculé comme suit :

Score F1 = 2 (Précision x Rappel) / (Précision + Rappel)

Le score F1 combine la précision et le rappel en une seule mesure. Cependant, ce n'est pas toujours le meilleur choix, car sa valeur peut être inexistante si l'un des deux termes est nul (comme dans le cas d'une précision parfaite et d'un rappel parfait, où l'un sera nul). Dans ce cas, il convient d'utiliser plutôt le score Föbeta.

En conclusion, le score F1 est une mesure de la précision d'un modèle de classification. Il est calculé en combinant la précision et le rappel et est très largement utilisé comme mesure de précision pour les problèmes de classification binaire.