- F-measure یک معیار ترکیبی برای دقت و بازیابی است. نمرهای واحد ارائه میدهد که هم مثبتهای کاذب و هم منفیهای کاذب را مورد توجه قرار میدهد.
- مقادیر F-measure بین 0 تا 1 هستند که 1 بهترین مقدار ممکن است.
- مقادیر نزدیک به 1 نشاندهنده عملکرد بهتر است. مقادیر نزدیک به 0 نشاندهنده عملکرد ضعیف است.
- برای مسائل چندکلاسه، F-measure میتواند برای هر کلاس جداگانه یا به طور میانگین محاسبه شود.
- برای کلاسهای نامتوازن، F-measure هر کلاس را جداگانه بررسی کنید. F-measure کلاس اقلیت مهمتر است.
- تفاوتهای 0.01 یا 0.02 معنیدار تلقی میشوند. تغییرات 0.05 به بالا تفاوت عملکرد بزرگی را نشان میدهند.
- مقایسه با مدلهای پایه یا عملکرد انسانی برای قضاوت درباره خوب بودن نمره کمک میکند.
- برای کاربردهایی که مثبت کاذب مضرتر از منفی کاذب است، بیشتر روی دقت تمرکز کنید.
- برای کاربردهایی که منفی کاذب مضرتر است، بیشتر روی بازیابی تمرکز کنید.
- به طور کلی مقادیر بالای 0.8 نشاندهنده عملکرد نسبتاً خوب برای بسیاری از کاربردهاست. اما آستانه دقیق بستگی به مسئله دارد.