Для чего нужны Precision и Recall отдельно, если есть F1-score, объединяющий их

Precision и Recall дают разные аспекты качества модели, а F1 — их гармоническое среднее.

• Precision важен, когда ложные срабатывания дороги (например, спам-фильтр).
• Recall критичен при пропуске позитивных случаев (например, диагностика болезней).

F1 объединяет их, но маскирует дисбаланс. Пример:

from sklearn.metrics import precision_score, recall_score, f1_score

y_true = [1, 1, 0, 1, 0]
y_pred = [1, 0, 1, 1, 0]

print(f"Precision: {precision_score(y_true, y_pred)}")  # 0.67 (2/3)
print(f"Recall: {recall_score(y_true, y_pred)}")       # 0.67 (2/3)
print(f"F1: {f1_score(y_true, y_pred)}")               # 0.67

Здесь F1 одинаков, но если изменить предсказания, Precision и Recall покажут разные приоритеты.