F1-мера

F1-мера — метрика качества классификации, объединяющая точность (precision) и полноту (recall). Точность показывает, сколько предсказанных положительных объектов действительно таковы, полнота — какую долю настоящих положительных объектов нашла модель. F1 вычисляется как гармоническое среднее этих двух показателей и штрафует за перекос в любую сторону.

Зачем важна? В реальных задачах классы часто несбалансированны. Например, больных редкой болезнью мало, а здоровых много. Модель, которая всех называет здоровыми, формально точна, но F1 обнуляется из-за нулевой полноты. Так метрика защищает от ложного ощущения успеха.

Интуитивно: представьте поиск монет в песке. Точность — доля монет среди всего, что вы выкопали. Полнота — доля всех монет, которые удалось найти. Копаете мало — точность высока, полнота низка. Перекапываете весь пляж — полнота растёт, но точность падает из-за мусора. F1 — разумный компромисс, хороший только при балансе.

Пример: фильтрация спама. Строгий фильтр оставляет много спама (низкая полнота). Либеральный — удаляет нормальные письма (низкая точность). Оптимизация F1 позволяет выбрать порог, при котором ловится большинство спама, но не теряются важные сообщения.

Вывод: F1-мера быстро показывает, насколько сбалансированно работает классификатор. Она незаменима при неравных классах, помогая не жертвовать ни полнотой, ни точностью.