F1 puanı

F-ölçüsü veya F-skoru olarak da bilinen F1 puanı, bir testin doğruluğunun bir ölçüsüdür. Kesinlik ve geri çağırmanın bir kombinasyonudur. Kesinlik, tüm pozitif tahminler arasında doğru tahmin edilen pozitif sonuçların yüzdesini ifade ederken, geri çağırma, tüm ilgili örnekler arasında doğru tahmin edilen pozitif sonuçların yüzdesini ifade eder. F1 puanı, hassasiyet ve geri çağırmanın harmonik ortalamasıdır.

F1 puanı, bir modelin spam filtreleme gibi ikili bir sınıflandırma görevindeki performansını değerlendirmek için kullanılır. Bir modelin değerlendirilmesinde de kullanılan hassasiyet ve geri çağırmayı tamamlar. F1 puanı, ikili sınıflandırma için mevcut tüm doğruluk ölçütleri arasında en yaygın kullanılan ölçüttür.

F1 puanını hesaplamak için iki terim vardır -hassasiyet ve hatırlama- ve bunlar şu şekilde hesaplanır:

Hassasiyet = (Doğru Pozitifler) / (Doğru Pozitifler + Yanlış Pozitifler)
Geri Çağırma = (Doğru Pozitifler) / (Doğru Pozitifler + Yanlış Negatifler)

F1 puanı daha sonra şu şekilde hesaplanır:

F1 Puanı = 2 (Hassasiyet x Geri Çağırma) / (Hassasiyet + Geri Çağırma)

F1 puanı kesinlik ve geri çağırmayı tek bir ölçütte birleştirir. Ancak, iki terimden birinin sıfır olması durumunda değeri sıfır olabileceğinden (mükemmel bir hassasiyet ve mükemmel bir geri çağırma durumunda birinin sıfır olması durumunda olduğu gibi) her zaman en iyi seçim değildir. Bu gibi durumlarda, bunun yerine Föbeta puanı kullanılmalıdır.

Sonuç olarak, F1 puanı bir sınıflandırma modelinin doğruluğunun bir ölçüsüdür. Kesinlik ve geri çağırma birleştirilerek hesaplanır ve en yaygın olarak ikili sınıflandırma problemleri için bir doğruluk ölçüsü olarak kullanılır.