完整定義
F1 分數是精確率(Precision)和召回率(Recall)的調和平均數,計算公式為 2 * (Precision * Recall) / (Precision + Recall)。它是一個綜合性的分類模型評估指標,能夠同時考慮模型的「找得準」(精確率,即預測為正的樣本中有多少是真正的正樣本)和「找得全」(召回率,即所有真正的正樣本中有多少被模型成功找出)的能力。F1 分數特別適用於正負樣本數量不均衡的場景,因為它能有效避免單純使用準確度(Accuracy)可能導致的誤導性結果。在許多機器學習應用中,如資訊檢索、疾病診斷和詐欺偵測,F1 分數是衡量模型性能的重要指標。
白話說明
你有沒有看過垃圾郵件分類器,把重要信件丟進垃圾桶,卻又放進一堆廣告?
你可以把它想成,模型到底是「抓得準」還是「抓得全」都要一起看,不然只看一邊很容易被假高分騙過。
F1 分數就是把精確率和召回率一起算進來的指標,特別適合資料不平衡、又在乎漏報和誤報的場景。
記住這句
精確率看準不準,召回率看全不全,F1 看兩者平衡。
比喻:F1 分數就像面試官同時看重你的「專業能力」和「工作經驗」 -- 它不是只看你多會答題(精準度),也不是只看你做過多少事(召回率),而是要你兩者兼顧,達到一個平衡的表現,才能獲得高分。
容易混淆
F1 vs 精確率
精確率看你說「是」的時候,有多少是真的。
F1 會把精確率和召回率一起納入。
最關鍵的區別:只看判斷準不準,還是同時看漏不漏。
F1 vs 召回率
召回率看真正的正例有多少被抓到。
F1 不允許只顧抓全而忽略誤報。
最關鍵的區別:只追求找全,還是找全又要找準。
F1 vs 準確率
準確率容易被多數類別撐高。
F1 在資料不平衡時通常更可靠。
最關鍵的區別:有沒有被多數類別騙到。
實際案例
垃圾郵件過濾
如果模型只顧少誤判,可能會把很多真正垃圾信放進收件匣。
Before:只看準確率。After:改看 F1,才看得出模型是不是真的好。
癌症篩檢
醫療場景通常很怕漏掉病人,也怕誤報太多造成壓力。
Before:只看單一指標。After:用 F1 先看整體平衡,再依風險決定是否加權。
演算法與應用
F1 = 2 × Precision × Recall / (Precision + Recall),這是調和平均,不是算術平均。
只要精確率或召回率其中一個很低,F1 就會被拉下來。
如果誤報和漏報的重要性不一樣,還可以看 F0.5 或 F2 這類變體。
情境判斷
Q1(直覺題): 一個模型精確率很高、召回率很低,F1 會怎樣?
它不會高,因為 F1 會被低召回率拖下來,表示模型不是平衡的好模型。
Q2(判斷題): 漏報比誤報更嚴重時,F1 仍然是最好的選擇嗎?
看情況。若你明顯偏重召回率,F2 通常更合適;如果誤報更可怕,則可能要看 F0.5。
iPAS 考題
Q:F1 分數為什麼比準確率更適合不平衡資料?
因為它同時看精確率與召回率,不容易被多數類別撐高。
Q:F1 分數怎麼算?
F1 = 2PR/(P+R),是精確率與召回率的調和平均。
常見問題
介於 0 到 1 之間,越接近 1 代表平衡越好。
可以調閾值、補資料、做特徵工程,或換成更合適的模型。
可以,常見做法是算 Macro-F1 或 Weighted-F1。
F1 = 2 × 精確率 × 召回率 ÷ (精確率 + 召回率),也可以寫成 2TP ÷ (2TP + FP + FN)。例如精確率 0.6、召回率 0.4,F1 = 2 × 0.6 × 0.4 ÷ 1.0 = 0.48。兩者差距越大,F1 越接近較低的那一個。
沒有通用門檻,要看任務難度、類別比例和錯誤代價。比較好的做法是先和簡單的基準方法比,例如隨機猜測或簡單規則,再和同一資料集上的既有方法比較。也要一起看精確率和召回率,才知道是哪一邊拖累了 F1。
不是。一級方程式賽車(Formula 1)的積分榜也常被叫做 F1 分數或排名,那是車手與車隊的比賽積分。本頁的 F1 分數是機器學習的分類評估指標,名稱來自 F-score 在 β = 1 時的特例,兩者無關。
出現在這些考古題
官方公告試題的逐題解析裡,有 11 題把F1 分數列為延伸術語,這裡列出 5 題。
立即測驗
想測試你對 F1 分數 的掌握程度?用考古題作答
相關術語
來源
參考來源:en.wikipedia.org
考試範圍:iPAS AI 應用規劃師評鑑內容範圍參考(115.02 更新),經濟部產業人才能力鑑定,實際考試內容以官方公告為準。
其他格式:Markdown 版本