精確率和召回率的作用方向相反。收緊分類器以減少誤報，會導致漏報更多真陽性；反之亦然。 F1 分數將兩者結合起來，它是精確率和召回率的調和平均值。

調和平均值會懲罰不平衡的情況。如果精確率或召回率較低，F1 值會急劇下降。一個精確率為 90%、召回率為 10% 的模型，其 F1 值約為 18，而不是 50。這種特性使得 F1 值在精確率和召回率都很重要的情況下才有用。

F1 幫助

• 不平衡的班級
• 那些既有假陽性也有假陰性的任務都會造成損失。
• 基於單一指標比較模型
• 資訊檢索系統報告

F1 指標並非總是最佳選擇。當某種錯誤類型的影響遠大於其他錯誤類型時，加權變體或自訂代價函數可能會更有效。 F1 指標假定精確率和召回率應具有同等權重，但這只是模型決策，並非絕對法則。