f1-score

F1分数（F1 Score），是统计学中用来衡量二分类模型精确度的一种指标。它同时兼顾了分类模型的准确率和召回率。F1分数可以看作是模型准确率和召回率的一种加权平均，它的最大值是1，最小值是0.

数学定义

 

分数（

   

Score），又称平衡F分数（balanced F Score），它被定义为精确率和 召回率的 调和平均数。

更一般的，我们定义

   

分数为

除了

   

分数之外，

   

分数和

   

分数在统计学中也得到大量的应用。其中，

   

分数中，召回率的权重高于准确率，而

 

分数中，准确率的权重高于召回率。

物理意义

人们通常使用准确率和召回率这两个指标，来评价二分类模型的分析效果。

但是当这两个指标发生冲突时，我们很难在模型之间进行比较。比如，我们有如下两个模型A、B，A模型的召回率高于B模型，但是B模型的准确率高于A模型，A和B这两个模型的综合性能，哪一个更优呢？

	准确率	召回率
A	80%	90%
B	90%	80%

为了解决这个问题，人们提出了

   

分数。

 

的物理意义就是将准确率和召回率这两个分值合并为一个分值，在合并的过程中，召回率的权重是准确率的

   

倍 [1]   。

   

分数认为召回率和准确率同等重要，

   

分数认为召回率的重要程度是准确率的2倍，而

   

分数认为召回率的重要程度是准确率的一半。

应用领域

F分数被广泛应用在 信息检索领域，用来衡量检索分类和文档分类的性能。早期人们只关注

   

分数，但是随着谷歌、百度等大型搜索引擎的兴起，召回率和准确率对性能影响的权重开始变得不同，人们开始更关注其中的一种，所以

   

分数得到越来越广泛的应用。

F分数也被广泛应用在自然语言处理领域，比如命名实体识别、分词等，用来衡量算法或系统的性能。

G分数

G分数是另一种统一 准确率和 召回率的系统性能评估标准。

F分数是准确率和召回率的 调和平均数，G分数被定义为准确率和召回率的 几何平均数。