Почему не используется среднее геометрическое в F1-score

F1-score использует гармоническое среднее, т.к. оно сильнее штрафует за дисбаланс между precision и recall. Среднее геометрическое менее чувствительно к крайним значениям, что делает его менее подходящим для оценки классификаторов, где важно учитывать худший показатель.

Пример:

from scipy.stats import hmean, gmean

precision = 0.9
recall = 0.1

f1_harmonic = hmean([precision, recall])  # ≈0.18
f1_geometric = gmean([precision, recall])  # ≈0.3

Гармоническое среднее сильнее "наказывает" за низкий recall, что лучше отражает качество модели в реальных задачах.