F1-Score

F1 puanı, kesinliği ve duyarlılığı harmonik ortalamaları olarak birleştiren tek bir ölçüttür: F1 = 2 × kesinlik × duyarlılık / (kesinlik + duyarlılık). Değeri 0 ile 1 arasında değişir ve yalnızca modelin yanlış pozitifleri ve yanlış negatifleri olmadığında 1'e ulaşır. Harmonik ortalama, girdilerinden küçük olana doğru çekildiği için kesinlik ya da duyarlılıktan biri düşük olduğunda F1 de düşük kalır. Bu nedenle F1, dengesiz sorunlarda—örneğin kusur tespiti, dolandırıcılık taraması ve belge erişiminde—doğruluğun yanıltıcı olduğu durumlar için olağan özet ölçüttür. F1 puanına dengeli F-puanı veya F-ölçütü de denir; ikili piksel maskelerinde Dice katsayısıyla aynı değeri ifade eder.

F1 Puanı Nasıl Hesaplanır#

Karışıklık matrisi sayılarıyla ifade edildiğinde F1 = 2TP / (2TP + FP + FN) olur. Gerçek negatifler formülde hiç yer almaz; dolayısıyla F1 yalnızca modelin pozitif sınıfı ne kadar iyi ele aldığını ölçer. Bu, pozitiflerin nadir ve negatiflerin pek önemli olmadığı görevlere uygundur. Gerçek negatifler önemliyse Matthews korelasyon katsayısı veya dengeli doğruluk dört hücrenin tümünü kapsar. F1'i basit ortalamadan ayıran şey harmonik ortalamadır: Kesinliği 1,0 ve duyarlılığı 0,1 olan bir modelin aritmetik ortalaması 0,55, F1 puanı ise 0,18'dir.

F-Beta ve Çok Sınıflı Ortalama#

F1, kesinlik ve duyarlılığa eşit ağırlık verir. Genel F-beta puanı, duyarlılığa kesinliğin β katı kadar önem verir. Bu nedenle bir hatanın maliyetli olduğu tıbbi taramalarda F2 duyarlılığı, yanlış alarmın maliyetli olduğu spam filtrelemede ise F0.5 kesinliği öne çıkarır.

İkiden fazla sınıf olduğunda her sınıf için F1 hesaplanır ve ardından ortalaması alınır:

• Makro F1: Sınıf başına puanların ağırlıksız ortalamasıdır; dolayısıyla nadir bir sınıf, yaygın bir sınıf kadar önem taşır.
• Ağırlıklı F1: Sınıf başına puanların her sınıftaki gerçek örnek sayısıyla ağırlıklandırılmış ortalamasıdır.
• Mikro F1: Tüm sınıflardaki TP, FP ve FN değerlerinin bir araya getirilmesiyle hesaplanan tek bir F1 puanıdır. Tek etiketli çok sınıflı görevlerde doğruluğa eşittir.

from sklearn.metrics import f1_score

# Imbalanced inspection labels: 8 good parts, 2 defective parts
y_true = ["ok"] * 8 + ["defect"] * 2
y_pred = ["ok"] * 7 + ["defect"] + ["defect", "ok"]

# F1 for each class, then two ways to average them
per_class = f1_score(y_true, y_pred, labels=["ok", "defect"], average=None)
print(f"F1 ok: {per_class[0]:.3f}, F1 defect: {per_class[1]:.3f}")
print(f"Macro F1: {f1_score(y_true, y_pred, average='macro'):.3f}")
print(f"Micro F1: {f1_score(y_true, y_pred, average='micro'):.3f}")

Betik, iyi parçalar için 0,875 ve kusurlar için 0,500 F1; 0,688 makro F1 ve 0,800 mikro F1 yazdırır. Model 10 parçanın 8'ini doğru etiketler; bu nedenle mikro F1, 0,80 doğruluk değerine eşittir. Zayıf kusur sınıfı çoğunluk sınıfı kadar ağırlık taşıdığı için makro F1 daha düşüktür.

Nesne Tespitinde F1#

Bir tespit modeli, her güven eşiğinde bir kesinlik ve duyarlılık değerine, dolayısıyla güven değeri boyunca bir F1 eğrisine sahiptir. Bu eğrinin zirvesi, yanlış tespitlerle kaçırılan nesneler arasında en iyi dengeyi kuran ve dağıtılmış modelin çalıştığı tek eşik değerini gösterir. F1, modelleri sıralamak için tüm eşikler boyunca integrasyon yapan ortalama hassasiyeti (mAP) tamamlar. YOLO26 doğrulaması bu eğriyi BoxF1_curve.png olarak kaydeder ve ortalama F1'in zirve yaptığı güven değerinde kesinlik, duyarlılık ve sınıf başına F1 değerlerini bildirir.

from ultralytics import YOLO

# Load a pretrained YOLO26 nano detector
model = YOLO("yolo26n.pt")

# Validation sweeps confidence thresholds and saves BoxF1_curve.png
metrics = model.val(data="coco8.yaml")

# Precision, recall, and F1 at the confidence where mean F1 peaks
print(f"Precision: {metrics.box.mp:.3f}")
print(f"Recall: {metrics.box.mr:.3f}")
print(f"Mean F1: {metrics.box.f1.mean():.3f}")

Ortalama F1, sınıf başına F1 değerlerinin ortalamasıdır; bu nedenle yukarıda yazdırılan ortalama kesinlik ve ortalama duyarlılığın harmonik ortalamasından biraz farklı olabilir.