🏎F1 Score w uczeniu maszynowym 🏎

W poprzednim wpisie opisywałem Recall i Precision, 2 ważne wskaźniki wynikające z confussion matrix. 

F1 Score wynika bezpośrednio z tych dwóch miar, jest ich średnią harmoniczną. Może przyjmować wartości od 0 do 1, wartość 1 świadczy o idealnym modelu. 

Przykładowo, jeśli precyzja wynosi 0.9 a recall 0.8, świadczy to, że:

• 90% maili oznaczonych jako spam było spamem - precyzja 0.9

• wykryto 80% wszystkich spamów - recall 0.8.

F1 score oparty na tych wartościach wynosi 0,847.