F1 分数是用于监督学习任务（例如二元或多类分类）的性能指标。 F1 分数将精确度和召回率结合为一个指标。它是通过给定数据集的精度和召回率的调和平均值来计算的。
系统的精度定义为真阳性与预测为阳性的实例总数的比率（TP + FP）。另一方面，系统的召回率定义为真阳性与真阳性实例总数的比率（TP + FN）。因此，F1 分数是精确率和召回率的调和平均值。
当数据集不平衡时，F1 分数尤其重要，这意味着正面或负面实例的数量不成比例。在这些情况下，精度和召回率不足以确定分类器的性能。然后使用 F1 分数来提供它们之间的总体平均平衡。
此外，F1 分数常用于现代机器学习模型以及医疗诊断工具中。在这些情况下，它用于确定模型是否能够对正确的实例进行分类。
总之，F1 分数是一个性能指标，用于评估监督学习任务（例如分类）的性能。它是精确度和召回率的结合，通常用于数据集不平衡的情况。
