F-Score
Der F-Score ist eine Metrik zur Bewertung der Leistung eines KI-Modells, die zwei wichtige Aspekte kombiniert: Precision (wie viele der als positiv klassifizierten Fälle sind korrekt) und Recall (wie viele der tatsächlich positiven Fälle wurden erkannt). Der F-Score ist der harmonische Mittelwert beider Werte.
Warum F-Score statt nur Accuracy: Ein Modell kann hohe Accuracy haben, aber niedrige Precision oder niedrigen Recall – besonders bei unbalancierten Datensätzen. Der F-Score deckt dieses Ungleichgewicht auf.
Anwendung: besonders wichtig in medizinischer Diagnostik (Balance aus Erkennungsrate und Fehlalarmen), Spam-Filterung, Betrugserkennung, Informationsextraktion. F1-Score = harmonisches Mittel; F2-Score gewichtet Recall stärker.
Beispiel
Bei einem Betrugserkennungsmodell mit wenigen Betrugsfällen zeigt der F-Score besser als die Accuracy, wie gut das Modell die seltenen Fälle trifft.