















































































 





𝐷𝑃
 Belirleyicilik =
𝑇𝑂𝑃𝐿𝐴𝑀 𝑁𝐸𝐺𝐴𝑇İ𝐹
 


Kesinlik ve Duyarlılık performans değerlendirme ölçütlerinin
harmonik ortalamasıdır ve her iki ölçütü birlikte ele alma imkânı
vermektedir.

Gerçek hayattaki birçok sınıflandırma probleminde de dengesiz bir

dağılım söz konusu olduğu için modelimizi değerlendirmek adına
F1 ölçütü kullanmak daha uygun olacaktır.

Basitçe ifade edersek, F1 ölçütü, sınıflandırıcınız için kesinlik ve

duyarlılık arasında bir denge sağlar. Duyarlılık düşükse, F1
düşüktür ve Kesinlik yine düşükse F1 puanınız düşüktür.

Sınıf dağılımı benzer olduğunda Doğruluk (accuracy)

kullanılabilirken dengesiz veri setleri söz konusu olduğunda F1
ölçütü daha iyi bir metriktir.

F1 skoru 0 ile 1 arasında bir sayıdır ve hedef mümkün olduğunca

1'e yaklaşmaktır.
