Präzision und Trefferquote wirken in entgegengesetzte Richtungen. Strengt man einen Klassifikator an, um falsch-positive Ergebnisse zu reduzieren, werden mehr richtig-positive Ergebnisse übersehen. Lockert man ihn, geschieht das Gegenteil. Der F1-Score vereint beide Werte in einer einzigen Zahl, dem harmonischen Mittel von Präzision und Trefferquote.

Das harmonische Mittel bestraft Ungleichgewichte. Ist entweder Präzision oder Trefferquote niedrig, sinkt der F1-Wert stark. Ein Modell mit 90 % Präzision und 10 % Trefferquote erzielt einen Wert von etwa 18, nicht 50. Dieses Verhalten macht den F1-Wert nützlich, wenn beide Fehlertypen relevant sind.

Wenn die Formel 1 hilft

• Ungleichgewichtige Klassen
• Aufgaben, bei denen sowohl falsch positive als auch falsch negative Ergebnisse Kosten verursachen
• Vergleich von Modellen anhand einer einzigen Metrik
• Berichterstattung über Informationsabrufsysteme

Der F1-Wert ist nicht immer die richtige Wahl. Wenn ein Fehlertyp deutlich schwerwiegender ist, eignen sich gewichtete Varianten oder eine benutzerdefinierte Kostenfunktion besser. Der F1-Wert setzt voraus, dass Präzision und Trefferquote gleich gewichtet werden; dies ist jedoch eine Modellierungsentscheidung und keine feste Regel.