A pontuação F1 é uma métrica de desempenho usada em tarefas de aprendizagem supervisionada, como classificação binária ou multiclasse. A pontuação F1 combina precisão e recall em uma métrica. É calculado tomando a média harmônica de precisão e recuperação para um determinado conjunto de dados.
A precisão do sistema é definida como a razão entre verdadeiros positivos e o número total de instâncias previstas como positivas (TP + FP). Por outro lado, o recall do sistema é definido como a razão entre os verdadeiros positivos e o número total de instâncias que foram verdadeiramente positivas (TP + FN). Portanto, a pontuação F1 é a média harmônica de precisão e recall.
A pontuação F1 é particularmente importante quando o conjunto de dados está desequilibrado, o que significa que há um número desproporcional de instâncias positivas ou negativas. Nestes casos, a precisão e a recuperação não são suficientes para determinar o desempenho de um classificador. A pontuação F1 é então usada para fornecer um equilíbrio médio geral entre eles.
Além disso, a pontuação F1 é comumente usada em modelos modernos de aprendizado de máquina, bem como em ferramentas de diagnóstico médico. Nestes casos, é aplicado para determinar se o modelo é capaz de classificar as instâncias corretas ou não.
Concluindo, a pontuação F1 é uma métrica de desempenho utilizada para avaliar o desempenho de uma tarefa de aprendizagem supervisionada, como a classificação. É uma combinação de precisão e recuperação e normalmente é usado em casos em que os conjuntos de dados estão desequilibrados.
