Когда лучше использовать F меру

F-меру (F1-score) стоит использовать, когда классы несбалансированы и важно учитывать как precision, так и recall. Она гармонически усредняет эти метрики, что особенно полезно в задачах, где ложные положительные и ложные отрицательные результаты имеют серьёзные последствия (например, медицинская диагностика, обнаружение мошенничества).

Пример:

from sklearn.metrics import f1_score

y_true = [0, 1, 1, 0, 1]
y_pred = [0, 1, 0, 0, 1]
print(f1_score(y_true, y_pred))  # Output: 0.6667

Не используйте F-меру, если:

1. Классы сбалансированы (лучше accuracy)
2. Ложные срабатывания/пропуски не критичны
3. Нужно учитывать только precision или recall по отдельности