Presisjon og gjenkjenning trekker i motsatte retninger. Strammer du en klassifikator for å redusere falske positive, går du glipp av flere sanne positive. Løsner du den, skjer det motsatte. F1-poengsummen kombinerer begge til ett enkelt tall, det harmoniske gjennomsnittet av presisjon og gjenkjenning.

Det harmoniske gjennomsnittet straffer ubalanse. Hvis enten presisjonen eller gjenkjenningen er lav, faller F1 kraftig. En modell med 90 prosent presisjon og 10 prosent gjenkjenning scorer rundt 18, ikke 50. Denne oppførselen gjør F1 nyttig når begge feilene har betydning.

Når F1 hjelper

• Ubalanserte klasser
• Oppgaver der både falske positiver og falske negative resultater koster penger
• Sammenligning av modeller på én enkelt måleenhet
• Rapportering om informasjonsinnhentingssystemer

F1 er ikke alltid det riktige valget. Når én feiltype er mye verre, fungerer vektede varianter eller en tilpasset kostnadsfunksjon bedre. F1 antar at presisjon og gjenkalling fortjener lik vekt, noe som er en modelleringsbeslutning, ikke en lov.