Bazı sınıfların diğerlerinden çok daha fazla örneğe sahip olduğu dengesiz veri kümeleri üzerinde modeller eğitirken, modelin sınıfları doğru bir şekilde tespit etme ve etiketleme dengesini ne kadar iyi sağladığını en iyi ölçen metrik hangisidir?

Dengesiz veri kümelerinde, F1 skoru modelin performansını en iyi ölçer çünkü hem kesinliği (precision) hem de duyarlılığı (recall) dikkate alan harmonik bir ortalamadır. Yüksek F1 skoru, modelin pozitif sınıf örneklerini doğru bir şekilde tanımlarken (yüksek duyarlılık) aynı zamanda yanlış pozitifleri en aza indirdiğini (yüksek kesinlik) gösterir. Accuracy (doğruluk), dengesiz veri kümelerinde yanıltıcı olabilir; model çoğunluk sınıfını doğru tahmin ederek yüksek doğruluk elde etse bile azınlık sınıfını tamamen gözden kaçırabilir. Recall (duyarlılık) yalnızca pozitif örneklerin ne kadarının doğru tespit edildiğini, Precision (kesinlik) ise pozitif olarak tahmin edilen örneklerin ne kadarının gerçekten pozitif olduğunu ölçer. F1 skoru, bu iki metriğin dengeli bir görünümünü sunarak dengesiz veri kümelerinde daha güvenilir bir değerlendirme sağlar.