F1 skoru, makine öğrenimi modellerinin değerlendirilmesinde oldukça önemli bir metriği ifade eder. Makine öğrenimi ve yapay zeka dünyasında, bir modelin doğruluğunu ve başarısını ölçmek için farklı performans metrikleri kullanılır. Doğruluk, hassasiyet (precision), duyarlılık (recall) ve F1 skoru, bu metriklerin başında gelir. Özellikle sınıflandırma problemlerinde kullanılan F1 skoru, modelin hem hassasiyetini hem de duyarlılığını dengeli bir şekilde değerlendirmek için kullanılan bir ölçüttür. Peki, F1 skoru nedir, nasıl hesaplanır ve neden bu kadar önemlidir?
F1 Skoru Nedir ve Neden Önemlidir?
F1 Skorunun Tanımı
F1 skoru, bir modelin doğruluğunu ölçmek için kullanılan ve modelin hem hassasiyet hem de duyarlılık performansını dikkate alan bir metriktir. F1 skoru, genellikle 0 ile 1 arasında bir değer alır ve daha yüksek bir F1 skoru, daha iyi bir model performansına işaret eder. F1 skoru, özellikle dengesiz veri kümelerinde (sınıfların dengesiz olduğu durumlar) daha anlamlı hale gelir, çünkü doğruluk tek başına yanıltıcı olabilir.
F1 skoru, aşağıdaki formülle hesaplanır:

Bu formülde, precision (hassasiyet) ve recall (duyarlılık), sınıflandırmanın ne kadar başarılı olduğuna dair farklı açılardan bilgi sağlar.
Hassasiyet (Precision) ve Duyarlılık (Recall) Nedir?
F1 skorunu tam olarak anlamak için öncelikle precision ve recall kavramlarına değinmemiz gerekiyor. Her ikisi de sınıflandırma modellerinde modelin çıktılarının kalitesini ölçmek için kullanılır.
Hassasiyet (Precision): Modelin “pozitif” olarak tahmin ettiği örneklerin ne kadarının gerçekten doğru olduğunu gösterir. Yani, doğru pozitiflerin (True Positive) tahmin edilen pozitiflere (True Positive + False Positive) oranıdır.

Duyarlılık (Recall): Modelin, tüm gerçek pozitifleri ne kadar başarılı bir şekilde bulduğunu gösterir. Bu, doğru pozitiflerin (True Positive) tüm gerçek pozitiflere (True Positive + False Negative) oranıdır.

Her iki metrik de modelin belirli bir sınıfı ne kadar başarılı bir şekilde tanımladığı hakkında bilgi verir. Precision, yanlış pozitif tahminlerden kaçınmayı hedeflerken, recall ise yanlış negatif tahminleri minimize etmeyi hedefler.
F1 Skoru Neden Kullanılır?
Doğruluk, genellikle model başarısını ölçmek için ilk bakışta yeterli gibi görünse de, sınıflandırma problemlerinde her zaman güvenilir bir metrik değildir. Özellikle dengesiz veri kümelerinde, yani sınıfların oranının eşit olmadığı durumlarda doğruluk yanıltıcı olabilir. Örneğin, eğer bir veri setinde pozitif örnekler çok azsa, model çoğunluk sınıfı tahmin ederek yüksek bir doğruluk elde edebilir ancak pozitif örneklerin doğru tahmin edilmesinde başarısız olabilir.
Bu durumda, F1 skoru modelin başarı oranını daha dengeli bir şekilde temsil eder. F1 skoru hem precision hem de recall değerlerini dikkate alarak, modelin yanlış pozitif ve yanlış negatif tahminler üzerindeki performansını değerlendirir.
F1 Skoru Nasıl Hesaplanır?
F1 skoru, precision ve recall’un harmonik ortalamasını alır. Aşağıdaki örnekle F1 skorunun nasıl hesaplandığını gösterebiliriz.
Örnek olarak, bir modeli değerlendirmek için doğrulama verisi üzerinde aşağıdaki değerlere sahip olduğumuzu varsayalım:
- Doğru Pozitif (TP): 40
- Yanlış Pozitif (FP): 10
- Yanlış Negatif (FN): 20
Bu durumda:

Bu değerleri F1 skoru formülünde yerine koyarak:

F1 Skorunun Avantajları ve Dezavantajları
Avantajları:
- Dengesiz Veri Kümesi İçin İdealdir: F1 skoru, dengesiz veri kümelerinde daha anlamlı sonuçlar verir, çünkü modelin her iki sınıftaki başarısını dengeli bir şekilde değerlendirir.
- Yanıltıcı Sonuçlardan Kaçınır: Modelin doğruluğu yüksek olsa bile yanlış pozitif veya yanlış negatif sayısı fazlaysa, F1 skoru bu durumu göz önüne alarak daha güvenilir bir performans metriği sunar.
Dezavantajları:
- Tek Başına Yeterli Değildir: F1 skoru, yalnız başına bir modelin performansını tümüyle değerlendirmek için yeterli değildir. Genellikle diğer metriklerle birlikte (doğruluk, AUC-ROC gibi) değerlendirilmesi önerilir.
- Hassasiyet ve Duyarlılık Arasında Tercih Yaratabilir: F1 skoru, hassasiyet ve duyarlılık arasında bir denge kurar ancak uygulama alanına göre bu iki metrikin önem derecesi farklı olabilir. Örneğin, sağlık sektöründe yanlış negatif sonuçların (hastayı sağlıklı olarak tanımlama) yüksek maliyeti olduğunda recall daha önemli hale gelebilir.
Uygulama Alanları
F1 skoru, birçok alanda model performansını değerlendirmek için kullanılır:
- Sağlık: Özellikle hastalık teşhisinde, yanlış negatif sonuçları en aza indirmek için önemlidir.
- Siber Güvenlik: Zararlı yazılım tespitinde, hem yanlış pozitifleri hem de yanlış negatifleri minimize etmek için F1 skoru kullanılır.
- Spam Filtreleme: Spam e-posta sınıflandırmasında modelin başarılı olmasını sağlamak amacıyla tercih edilir.
Değerlendirme
F1 skoru, bir modelin başarısını hassasiyet ve duyarlılığı dengeli bir şekilde değerlendirerek ölçen, güvenilir bir metriktir. Sınıflandırma problemlerinde, özellikle dengesiz veri kümelerinde doğruluğun yanıltıcı olabileceği durumlarda F1 skoru oldukça faydalıdır. Bu nedenle, model performansını değerlendirirken F1 skorunu diğer metriklerle birlikte kullanmak, daha dengeli ve anlamlı sonuçlar elde edilmesine yardımcı olur. Makine öğrenimi projelerinizde model başarısını değerlendirirken F1 skorunu dikkate almak, doğru kararlar vermenize katkı sağlayacaktır.








