F1 점수는 이진 또는 다중 클래스 분류와 같은 지도 학습 작업에 사용되는 성능 지표입니다. F1 점수는 정밀도와 재현율을 하나의 측정항목으로 결합합니다. 주어진 데이터 세트에 대한 정밀도와 재현율의 조화 평균을 취하여 계산됩니다.
시스템의 정밀도는 양성으로 예측된 총 인스턴스 수(TP + FP)에 대한 참양성의 비율로 정의됩니다. 반면, 시스템의 재현율은 실제로 긍정적인 전체 인스턴스 수(TP + FN)에 대한 실제 긍정적인 비율로 정의됩니다. 따라서 F1 점수는 정밀도와 재현율의 조화 평균입니다.
F1 점수는 데이터 세트가 불균형할 때 특히 중요합니다. 즉, 긍정적인 사례나 부정적인 사례의 수가 불균형하다는 의미입니다. 이러한 경우 분류기의 성능을 결정하는 데 정밀도와 재현율만으로는 충분하지 않습니다. 그런 다음 F1 점수를 사용하여 이들 간의 전체 평균 균형을 제공합니다.
또한 F1 점수는 최신 기계 학습 모델은 물론 의료 진단 도구에도 일반적으로 사용됩니다. 이러한 경우 모델이 올바른 인스턴스를 분류할 수 있는지 여부를 결정하는 데 적용됩니다.
결론적으로 F1 점수는 분류 등 지도 학습 작업의 성능을 평가하는 데 사용되는 성능 지표입니다. 이는 정밀도와 재현율의 조합이며 일반적으로 데이터 세트의 균형이 맞지 않는 경우에 사용됩니다.
