Přesnost a úplnost se táhnou opačnými směry. Pokud klasifikátor zpřísníte, snížíte počet falešně pozitivních výsledků, a promeškáte více skutečně pozitivních výsledků. Pokud ho povolíte, stane se opak. Skóre F1 se spojí do jednoho čísla, harmonického průměru přesnosti a úplnosti.

Harmonický průměr trestá nerovnováhu. Pokud je buď přesnost, nebo úplnost nízká, F1 prudce klesá. Model s 90% přesností a 10% úplností dosahuje skóre kolem 18, nikoli 50. Díky tomuto chování je F1 užitečný, když jsou důležité obě chyby.

Když F1 pomáhá

• Nevyvážené třídy
• Úkoly, u kterých stojí jak falešně pozitivní, tak falešně negativní výsledky
• Porovnání modelů na základě jedné metriky
• Zprávy o systémech pro vyhledávání informací

F1 není vždy správná volba. Pokud je jeden typ chyby mnohem horší, lépe poslouží vážené varianty nebo vlastní nákladová funkce. F1 předpokládá, že přesnost a úplnost si zaslouží stejnou váhu, což je rozhodnutí modelování, nikoli zákon.