F-score отличается от других метрик машинного обучения тем, что объединяет в себе информацию о точности и полноте алгоритма. 1

Он представляет собой гармоническое среднее между точностью (Precision) и полнотой (Recall). 13 Таким образом, F-score показывает одновременно, насколько хорошо модель находит объекты положительного класса из всех объектов положительного класса, и какая доля из тех, кого алгоритм назвал положительным классом, действительно являются положительным классом. 3

В то время как другие метрики, например, точность (Accuracy), показывают отдельные аспекты качества модели: Accuracy — количество правильно проставленных меток класса от общего количества данных, а Precision — долю объектов, названных моделью положительными и при этом действительно являющихся положительными. 23