La précision et le rappel évoluent en sens inverse. Si l'on renforce un classificateur pour réduire les faux positifs, on risque de manquer davantage de vrais positifs. À l'inverse, si on l'assouplit, c'est l'inverse qui se produit. Le score F1 combine ces deux paramètres en une seule valeur : la moyenne harmonique de la précision et du rappel.

La moyenne harmonique pénalise les déséquilibres. Si la précision ou le rappel est faible, le score F1 chute brutalement. Un modèle avec 90 % de précision et 10 % de rappel obtient un score d'environ 18, et non de 50. Ce comportement rend le score F1 utile lorsque les deux types d'erreurs sont importants.

Quand la F1 aide

• Classes déséquilibrées
• Tâches où les faux positifs et les faux négatifs ont un coût
• Comparaison de modèles sur une seule métrique
• Rapports sur les systèmes de recherche d'informations

Le score F1 n'est pas toujours le plus approprié. Lorsqu'un type d'erreur est nettement plus problématique, des variantes pondérées ou une fonction de coût personnalisée sont plus efficaces. Le score F1 part du principe que la précision et le rappel ont le même poids, ce qui relève d'un choix de modélisation et non d'une règle absolue.