F1分數

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應用。其中，

分數中，召回率的權重高於精確率，而

分數中，精確率的權重高於召回率。

人們通常使用精準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模型的精準率高於A模型，A和B這兩個模型的綜合性能，哪一個更優呢？

為了解決這個問題，人們提出了

分數。

的物理意義就是將精準率和召回率這兩個分值合併為一個分值，在合併的過程中，召回率的權重是精準率的

倍 ^[1]  。

分數認為召回率和精準率同等重要，

分數認為召回率的重要程度是精準率的2倍，而

分數認為召回率的重要程度是精準率的一半。

F分數被廣泛應用在信息檢索領域，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，但是隨着谷歌、百度等大型搜索引擎的興起，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應用。

F分數也被廣泛應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。