F1 سکور

F1 سکور، جسے F-measure یا F-score بھی کہا جاتا ہے، ٹیسٹ کی درستگی کا ایک پیمانہ ہے۔ یہ درستگی اور یاد کا مجموعہ ہے۔ درستگی تمام مثبت پیشین گوئیوں کے درمیان صحیح طور پر پیش گوئی شدہ مثبت نتائج کے فیصد کو ظاہر کرتی ہے، جبکہ یاد تمام متعلقہ نمونوں کے درمیان صحیح پیش گوئی شدہ مثبت نتائج کے فیصد کو ظاہر کرتی ہے۔ F1 سکور درستگی اور یاد کا ہارمونک مطلب ہے۔

F1 سکور بائنری درجہ بندی کے کام جیسے سپیم فلٹرنگ میں ماڈل کی کارکردگی کا جائزہ لینے کے لیے استعمال ہوتا ہے۔ یہ درستگی اور یاد کو پورا کرتا ہے، جو ماڈل کی تشخیص میں بھی استعمال ہوتے ہیں۔ بائنری درجہ بندی کے لیے تمام دستیاب درستگی کے اقدامات میں F1 سکور سب سے زیادہ استعمال ہونے والا پیمانہ ہے۔

F1 سکور کا حساب لگانے کے لیے، دو اصطلاحات ہیں — درستگی اور یاد کرنا — جن کا حساب اس طرح کیا جاتا ہے:

● درستگی = (True Positives) / (True Positives + False Positives)
● Recall = (True Positives) / (True Positives + False Negatives)

اس کے بعد F1 سکور کا حساب لگایا جاتا ہے:

F1 سکور = 2 (Precision x Recall) / (Precision + Recall)

F1 سکور ایک پیمائش میں درستگی اور یاد کو یکجا کرتا ہے۔ تاہم، یہ ہمیشہ بہترین انتخاب نہیں ہوتا ہے، کیونکہ اس کی قدر غیر موجود ہو سکتی ہے اگر دو اصطلاحات میں سے کوئی ایک صفر ہو (جیسا کہ کامل درستگی اور کامل یاد کی صورت میں جہاں ایک صفر ہو گی)۔ ایسی صورتوں میں، اس کی بجائے Föbeta سکور استعمال کیا جانا چاہیے۔

آخر میں، F1 سکور درجہ بندی کے ماڈل کی درستگی کا ایک پیمانہ ہے۔ یہ درستگی اور یاد کو ملا کر شمار کیا جاتا ہے اور بائنری درجہ بندی کے مسائل کے لیے درستگی کی پیمائش کے طور پر سب سے زیادہ استعمال ہوتا ہے۔