Yapay zekâ sözlüğü
Orta seviye
F1 Skoru (F1 Score)
F1 Score
31.08.2026 tarihinde güncellendi
F1 Skoru, Kesinlik (Precision) ve Duyarlılık (Recall) metriklerinin harmonik ortalamasını alarak sınıflandırma modellerinin performansını tek ve dengeli bir ölçütle değerlendiren metriktir.
Genel bakış
Kavramın çerçevesiSınıf dağılımının dengesiz olduğu durumlarda modelin hem yanlış pozitifleri hem de yanlış negatifleri ne kadar iyi yönettiğini gösteren en güvenilir metriktir.
Çalışma mantığı: Standart aritmetik ortalama yerine harmonik ortalama kullanır: 2 * (Precision * Recall) / (Precision + Recall). Böylece kesinlik veya duyarlılıktan biri aşırı düşük olduğunda F1 skoru da sert biçimde düşer ve yanıltıcı başarı tablosunu engeller.
Kullanım alanları: Dolandırıcılık tespiti (Fraud Detection), nadir hastalık teşhisi, bilgi çıkarımı ve metin sınıflandırma yarışmaları.
Sınırlılıklar ve dikkat edilmesi gerekenler: Hem kesinliğe hem duyarlılığa eşit ağırlık verir; eğer bir problemde duyarlılık kesinlikten çok daha önemliyse F-Beta (F2) skoru tercih edilir.
Çalışma mantığı: Standart aritmetik ortalama yerine harmonik ortalama kullanır: 2 * (Precision * Recall) / (Precision + Recall). Böylece kesinlik veya duyarlılıktan biri aşırı düşük olduğunda F1 skoru da sert biçimde düşer ve yanıltıcı başarı tablosunu engeller.
Kullanım alanları: Dolandırıcılık tespiti (Fraud Detection), nadir hastalık teşhisi, bilgi çıkarımı ve metin sınıflandırma yarışmaları.
Sınırlılıklar ve dikkat edilmesi gerekenler: Hem kesinliğe hem duyarlılığa eşit ağırlık verir; eğer bir problemde duyarlılık kesinlikten çok daha önemliyse F-Beta (F2) skoru tercih edilir.
Teknik tanım ve açıklama
Temel mekanizmaPozitif kestirim değeri ile duyarlılığın harmonik ortalaması olan ve dengesiz veri kümelerinde model kalitesini ölçen standart performans metriğidir.
Gerçek hayatta kullanım
Örnek senaryoBir dolandırıcılık tespit modelinin Kesinliği 0.80 ve Duyarlılığı 0.60 olduğunda, F1 Skoru 2*(0.80*0.60)/(0.80+0.60) = 0.685 olarak hesaplanır ve dengeli başarıyı yansıtır.