【面试】为什么F1-score使用precision和recall的调和平均，而不是它们的算术平均？

面试模拟场景

面试官: 为什么F1-score使用precision和recall的调和平均，而不是它们的算术平均？

参考回答示例

Precision（精确率）：

• 定义：在所有被预测为正类的样本中，实际为正类的比例。
• 公式：
  $$\text{Precision}=\frac{TP}{TP+FP}$$
• 其中，TP为真正类，FP为假正类。

Recall（召回率）：

• 定义：在所有实际为正类的样本中，被正确预测为正类的比例。
• 公式：
  $$\text{Recall}=\frac{TP}{TP+FN}$$
• 其中，TP为真正类，FN为假负类。

F1-score（F1分数）：>

• 定义：F1-score是precision和recall的调和平均，反映了模型在精确率和召回率上的综合表现。
• 公式：
  $$\text{F1-score}=2\times \frac{\text{Precision}\times \text{Recall}}{\text{Precision}+\text{Recall}}$$

为什么使用调和平均而不是算术平均

调和平均更好地平衡了precision和recall，对极端值更敏感，尤其是在这两个指标相差较大时。例如，如果一个模型的precision很高但recall很低（或反之），算术平均可能会掩盖这一差异，而调和平均会更真实地反映模型在某一方面的不足。相对之下，算术平均对极端值不敏感，这意味着即使一个值非常低，另一个值很高，算术平均的结果可能仍然会比较高，不能有效反映出模型在某一方面的显著不足。

举例说明

假设一个分类模型的precision为0.9，recall为0.1：

• 算术平均：
  $$\text{算术平均}=\frac{0.9+0.1}{2}=0.5$$
• 调和平均（F1-score）：
  $$\text{F1-score}=2\times \frac{0.9\times 0.1}{0.9+0.1}=\frac{2\times 0.09}{1.0}=0.18$$
  从这个例子可以看出，算术平均的结果为0.5，而调和平均的结果为0.18。调和平均更真实地反映了模型在recall方面的不足，因为recall只有0.1，这对模型的综合性能有重大影响。

总结

• F1-score使用调和平均而不是算术平均的原因：
  • 平衡效果： 调和平均更好地平衡了precision和recall，特别是在这两个指标相差较大时。
  • 对极端值的敏感性： 调和平均对极端值更敏感，更能真实反映模型的不足。
  • 实际应用中的表现： 调和平均确保模型在precision和recall两个方面都有较好的表现，适用于需要平衡这两个指标的实际应用场景。