F1-Score

F1-Score, kesinlik (precision) ve duyarlılığı (recall) tek bir harmonik ortalamada birleştiren, makine öğreniminde kritik bir performans metriğidir. Özellikle veri kümesinin dengesiz olduğu veya yanlış pozitiflerin ve yanlış negatiflerin farklı maliyetlere sahip olduğu sınıflandırma modellerini değerlendirmek için oldukça kullanışlıdır. Bir sınıfın veri kümesine hakim olması durumunda yanıltıcı olabilen basit doğruluk (accuracy) değerinin aksine, F1-Score modelin hataları en aza indirirken ilgili örnekleri doğru bir şekilde tanımlama yeteneğine dair daha dengeli bir bakış açısı sunar. Uç değerleri cezalandırarak, yüksek bir skorun ancak hem kesinlik hem de duyarlılık makul derecede yüksek olduğunda elde edilmesini sağlar; bu da onu tıbbi teşhisten bilgi almaya kadar uzanan alanlarda temel bir metrik haline getirir.

F1-Score Neden Makine Öğreniminde Önemlidir#

Birçok gerçek dünya senaryosunda, doğru tahminlerin yüzdesini (doğruluk) bilmek tek başına yeterli değildir. Örneğin, anomaly detection süreçlerinde normal vakalar anormalliklerden çok daha fazladır. Her girdi için "normal" tahmini yapan bir model %99 doğruluk elde edebilir ancak gerçek sorunları tespit etmede tamamen işe yaramaz olur. F1-Score, çelişen iki metriği dengeleyerek bunu çözer:

• Precision: Bu, pozitif tahminlerin kalitesini ölçer. "Modelin pozitif olarak etiketlediği tüm örneklerin kaç tanesi gerçekten pozitifti?" sorusunu yanıtlar.
• Recall: Bu, pozitif tahminlerin miktarını ölçer. "Tüm gerçek pozitif örneklerin kaç tanesini model doğru şekilde tespit etti?" sorusunu yanıtlar.

Genellikle bir takas söz konusu olduğundan—hassasiyeti (precision) artırmak geri çağrıyı (recall) düşürme eğilimindedir ve tam tersi geçerlidir—F1-Score, en óptimal denge noktasını bulmak için birleşik bir metrik görevi görür. Bu, hyperparameter optimization kullanarak modelleri ayarlarken farklı koşullarda sağlam performans sağlamak için çok önemlidir.

Gerçek Dünya Uygulamaları#

F1-Score'un faydası, hata maliyetinin önemli olduğu çeşitli endüstrilere uzanır.

• Tıbbi Teşhisler: AI in healthcare alanında, özellikle tümör tespiti gibi görevlerde, yanlış negatif (bir tümörü kaçırmak) hayati tehlike oluştururken, yanlış pozitif (iyi huylu dokuyu işaretlemek) gereksiz kaygıya neden olur. F1-Score, araştırmacıların sistemin doktorları yanlış alarmlarla boğmadan hastalıkları yakalayacak kadar hassas olmasını sağlamak için YOLO26 gibi modelleri optimize etmesine yardımcı olur.
• Bilgi Erişimi ve Arama: Arama motorları ve belge sınıflandırma sistemleri, ilgililiği değerlendirmek için F1-Score kullanır. Kullanıcılar tüm ilgili belgeleri görmek ister (yüksek duyarlılık) ancak alakasız sonuçlar arasında vakit kaybetmek istemezler (yüksek kesinlik). Yüksek bir F1-Score, motorun doğru bilgiyi karmaşaya yol açmadan etkili bir şekilde getirdiğini gösterir.
• Spam Filtreleme: E-posta servisleri spam'leri ayırmak için text classification kullanır. Sistem spam e-postaları yakalamalıdır (recall) ancak çok önemli bir şekilde önemli iş e-postalarını gereksiz olarak etiketlememelidir (precision). F1-Score, bu filtreler için birincil kıstas görevi görür.

Ultralytics ile F1-Score Hesaplama#

Modern bilgisayarlı görü çerçeveleri, bu metriklerin hesaplanmasını basitleştirir. Nesne tespiti modellerini eğitirken, F1-Score doğrulama aşamasında otomatik olarak hesaplanır. Ultralytics Platform bu metrikleri gerçek zamanlı grafikler halinde görselleştirerek kullanıcıların F1-Score eğrisini farklı güven eşiklerine karşı görmesini sağlar.

İşte Python API kullanarak F1-Score bileşenleri dahil olmak üzere doğrulama metriklerine nasıl erişebileceğin:

from ultralytics import YOLO

# Load a pre-trained YOLO26 model
model = YOLO("yolo26n.pt")

# Validate the model on a dataset (metrics are computed automatically)
# This returns a validator object containing precision, recall, and mAP
metrics = model.val(data="coco8.yaml")

# Print the Mean Average Precision (mAP50-95), which correlates with F1 performance
print(f"mAP50-95: {metrics.box.map}")

# Access precision and recall arrays to manually inspect the balance
print(f"Precision: {metrics.box.p}")
print(f"Recall: {metrics.box.r}")

F1-Score ve İlgili Metrikler#

F1-Score'un diğer değerlendirme kriterlerinden nasıl farklı olduğunu anlamak, projen için doğru aracı seçmek adına çok önemlidir.

• Doğruluktan Farkı: Accuracy tüm hatalara eşit davranır. F1-Score, pozitif sınıfın (ilgi alanına giren azınlık sınıfı) performansına odaklandığı için dengesiz veri kümeleri (imbalanced datasets) için daha üstündür.
• mAP ile İlişkisi: Mean Average Precision (mAP), nesne tespiti modellerini tüm güven eşiklerinde karşılaştırmak için standarttır. Ancak F1-Score, genellikle dağıtım için optimal güven eşiğini (optimal confidence threshold) belirlemek için kullanılır. Uygulamanı dağıtmak için F1 eğrisinin zirve yaptığı eşiği seçebilirsin.
• Hata Matrisi (Confusion Matrix): confusion matrix, F1-Score'un türetildiği ham sayıları (Gerçek Pozitifler, Yanlış Pozitifler vb.) sağlar. Matris ayrıntılı detaylar verirken, F1-Score hızlı karşılaştırma için tek bir özet istatistik sunar.
• ROC-AUC: Area Under the Curve (AUC) tüm eşikler genelinde ayrılabilirlik ölçer. F1-Score, yüksek düzeyde çarpık sınıf dağılımına sahip olduğunda (örneğin dolandırıcılığın nadir olduğu dolandırıcılık tespiti) genellikle ROC-AUC'ye tercih edilir.

F1-Score Değerini İyileştirme#

Modelin düşük bir F1-Score'dan muzdaripse, birkaç strateji yardımcı olabilir. Data augmentation pozitif örneklerin çeşitliliğini artırarak modelin daha iyi genelleşmesine yardımcı olabilir. Sağlam temel modellerden transfer learning kullanmak, ağın önceden öğrenilmiş özellikleri kullanmasını sağlar. Ek olarak, çıkarım sırasında confidence threshold değerini ayarlamak, belirli kullanım durumun için F1-Score'u maksimize etmek amacıyla precision ve recall arasındaki dengeyi manuel olarak kaydırabilir.