F1分數

F1分數（F1 Score），是統計學中用來衡量二分類模型精確度的一種指標。它同時兼顧了分類模型的精確率和召回率。F1分數可以看作是模型精確率和召回率的一種加權平均，它的最大值是1，最小值是0。

基本介紹

• 中文名：F1分數
• 外文名：F1 score, F score, F measure
• 套用學科：統計學
• 適用領域範圍：二分類模型

數學定義

分數（ Score），又稱平衡F分數（balanced F Score），它被定義為精確率和召回率的調和平均數。

更一般的，我們定義 分數為

除了 分數之外， 分數和 分數在統計學中也得到大量的套用。其中， 分數中，召回率的權重高於準確率，而 分數中，準確率的權重高於召回率。

物理意義

人們通常使用準確率和召回率這兩個指標，來評價二分類模型的分析效果。

但是當這兩個指標發生衝突時，我們很難在模型之間進行比較。比如，我們有如下兩個模型A、B，A模型的召回率高於B模型，但是B模型的準確率高於A模型，A和B這兩個模型的綜合性能，哪一個更優呢？

	準確率	召回率
A	80%	90%
B	90%	80%

為了解決這個問題，人們提出了分數。

的物理意義就是將準確率和召回率這兩個分值合併為一個分值，在合併的過程中，召回率的權重是準確率的 倍。 分數認為召回率和準確率同等重要，分數認為召回率的重要程度是準確率的2倍，而分數認為召回率的重要程度是準確率的一半。

套用領域

F分數被廣泛套用在信息檢索領域，用來衡量檢索分類和文檔分類的性能。早期人們只關注 分數，但是隨著谷歌、百度等大型搜尋引擎的興起，召回率和準確率對性能影響的權重開始變得不同，人們開始更關注其中的一種，所以 分數得到越來越廣泛的套用。

F分數也被廣泛套用在自然語言處理領域，比如命名實體識別、分詞等，用來衡量算法或系統的性能。

G分數

G分數是另一種統一準確率和召回率的系統性能評估標準。

F分數是準確率和召回率的調和平均數，G分數被定義為準確率和召回率的幾何平均數。