Precisie en recall werken in tegengestelde richtingen. Als je een classificator aanscherpt om valse positieven te verminderen, mis je meer echte positieven. Als je hem losser maakt, gebeurt het omgekeerde. De F1-score combineert beide in één getal: het harmonisch gemiddelde van precisie en recall.

Het harmonisch gemiddelde bestraft onevenwichtigheden. Als de precisie of de recall laag is, daalt de F1-score sterk. Een model met 90 procent precisie en 10 procent recall scoort rond de 18, niet 50. Dat gedrag maakt de F1-score nuttig wanneer beide fouten van belang zijn.

Wanneer F1 helpt

• Onevenwichtige klassen
• Taken waarbij zowel vals-positieve als vals-negatieve resultaten kosten met zich meebrengen.
• Modellen vergelijken op basis van één enkele meetwaarde.
• Rapportage over informatiezoeksystemen

F1 is niet altijd de juiste keuze. Wanneer één type fout veel erger is, zijn gewogen varianten of een aangepaste kostenfunctie betere opties. F1 gaat ervan uit dat precisie en recall evenveel gewicht verdienen, wat een modelleringsbeslissing is, geen wet.