F1 Score：理解分类模型评估中的平衡指标

F1 Score 是评估分类模型性能的机器学习指标。它用调和平均整合精确率与召回率，形成单一评价结果。适合数据不平衡、需同时关注误报和漏报的模型比较与质量判断。

F1 Score 是什么？

F1 Score，也称 F1 分数，是机器学习和统计学习中常用的分类模型性能指标。它把精确率与召回率结合为一个调和平均值，用一个单一分数反映模型在这两个指标之间的整体平衡。

它关注的不是模型“总体上答对了多少”，而是模型是否在减少误报和减少漏报之间取得相对均衡。因此，F1 Score 常用于二元分类、信息检索等需要评价预测结果质量的任务，尤其适合数据不平衡，或误报、漏报都需要关注的场景。

要点： F1 Score 不是用来替代精确率或召回率，而是在二者基础上提供一个综合评价视角。

精确率和召回率从不同角度描述分类模型的预测质量。只看其中一个指标，可能会掩盖另一侧的问题。

例如，一个模型可能为了提高召回率，把更多样本判为正，从而减少漏报，但同时增加误报；另一个模型可能只在非常确定时才判为正，从而提高精确率，但会漏掉更多真实正样本。

F1 Score 的价值在于，它把这两个方向放到同一个评价框架中，帮助你更稳妥地比较模型的整体表现。

F1 Score 的核心是把精确率和召回率合并为调和平均值。调和平均的直观特点是：当两个指标差距较大时，整体分数会更容易受到较低一方的影响。

也就是说，如果一个模型精确率很高但召回率很低，或者召回率很高但精确率很低，F1 Score 通常不会给出过于乐观的整体评价。它鼓励模型在误报和漏报之间取得相对均衡，而不是只把某一个指标推高。

可以把 F1 Score 理解为一种“平衡检查”：它不直接告诉你哪一种错误更严重，但能提示模型是否在精确率与召回率之间出现明显偏斜。

F1 Score 适合用于分类模型性能评估，尤其是在总体准确率不足以说明问题时。常见情况包括类别不平衡、少数类识别很重要，以及业务同时关心误报和漏报。

需要注意的是，F1 Score 更适合回答“模型是否在精确率和召回率之间取得平衡”这一类问题。如果任务本身更重视某一种错误，例如漏报的影响明显高于误报，仍应结合具体任务目标解读精确率和召回率的变化。

Fβ 分数是一类基于精确率和召回率的综合指标。F1 Score 可以看作 Fβ 分数中的一个特殊情况：当参数 β=1 时，Fβ 分数就是 F1 分数。

本文重点讨论 F1 Score，因此不展开其他 β 取值下的细分差异。对于入门理解和常规分类模型评估，先掌握 F1 Score 如何平衡精确率与召回率，通常已经足够。

在决定是否采用 F1 Score 作为评估指标时，可以按下面几个问题检查：

要点： F1 Score 适合做综合比较，但不应脱离任务目标单独使用。更稳妥的做法是同时观察精确率、召回率和 F1 Score，并结合误报、漏报在具体场景中的影响进行判断。

F1 Score 是什么意思？

F1 Score 是用于评估分类模型性能的指标。它把精确率和召回率结合为一个调和平均值，用来反映模型在两者之间的整体平衡。

F1 Score 适合用在什么场景？

F1 Score 和精确率、召回率有什么关系？

F1 Score 和 Fβ 分数是什么关系？

数据不平衡时为什么常看 F1 Score？