Precision 0.8、Recall 0.6，F1 分數是多少？
在二元分類問題中，若精確率（Precision）為 0.8，召回率（Recall）為 0.6，則 F1 分數（F1 Score）為何？
F1 分數是把精確率（Precision）和召回率（Recall）合併成一個數字的評估指標，計算方式是這兩個數的「調和平均數」，公式是 2PR÷(P+R)。
題目給了 P = 0.8、R = 0.6，要你代入公式算出 F1 的值。
問你：Precision = 0.8、Recall = 0.6 時，F1 分數的計算結果是多少？
一句話總結
F1 = 2 × 0.8 × 0.6 ÷ (0.8 + 0.6) = 0.96 ÷ 1.4 ≈ 0.686。F1 分數是調和平均數，比算術平均數（0.7）更低，因為調和平均對兩個值中較低的那個更敏感。
先感受問題：Precision 高、Recall 低，怎麼算一個公平的綜合分？
「健診科技」的 AI 疾病篩檢系統每天處理 1000 人的血液報告，把每份報告分類成「有風險（正例）」或「無風險（負例）」。
工程師小明評估模型：
- Precision = 0.8：AI 說「有風險」時，真的有 80% 是真正有風險的人。
- Recall = 0.6：所有真正有風險的人裡，AI 找到了 60%（漏掉了 40%）。
主管問：「這個模型的綜合表現怎麼打一個分數？」
直接取算術平均：(0.8 + 0.6) / 2 = 0.7，但這樣對「漏掉 40% 的病患」這個嚴重問題不夠敏感。F1 的調和平均設計就是為了解決這個問題。
為什麼不直接用算術平均？
- 算術平均掩蓋極端值：Precision = 1.0、Recall = 0.1 的模型，算術平均 = 0.55，和 Precision = 0.8、Recall = 0.6（算術平均 0.7）比看起來沒差多少，但前者漏掉 90% 的病患，是嚴重缺陷。
- 調和平均對低值更嚴格：F1 = 2PR/(P+R)，任一數值越低，F1 就越低。Recall = 0.1 的模型，F1 ≈ 0.18，遠低於算術平均 0.55，更忠實反映模型的弱點。
- 直接相加不考慮兩者的互制性：Precision 和 Recall 存在此消彼長關係，調和平均確保兩者都必須夠好，F1 才能高。
- 無法在不同模型之間進行有意義的比較：只有一個綜合指標，才能系統性地排序不同配置的模型，用兩個數字（P 和 R）比較多個模型很繁瑣。
- 誤差對稱假設不合理：漏掉病患（Recall 低）的代價，通常遠大於誤報（Precision 低），但即使以 F1 為基準，也要注意 F1 預設 P 和 R 等權重，高風險場景應考慮 Fβ（如 F2）。
F1 公式計算：一步一步來
小明代入公式：
F1 = 2 × P × R ÷ (P + R)
F1 = 2 × 0.8 × 0.6 ÷ (0.8 + 0.6)
F1 = 2 × 0.48 ÷ 1.4
F1 = 0.96 ÷ 1.4
F1 ≈ 0.6857 ≈ 0.686
注意：選項 B「0.700」是算術平均 (0.8 + 0.6) / 2，是計算陷阱。選項 C「0.720」是 0.8 × 0.9（瞎猜），選項 D「0.750」是 0.8 × 0.6 / (0.8 × 0.6) 的某種變形（也是錯的）。只有帶入正確公式 2PR/(P+R) 才能得到 0.686。
這就是選項 A 講的：0.686。
技術版：F1 公式的推導與調和平均的數學意義
中級考試大概率會考程式碼跟公式，所以這部分你還是要學。但如果現在學起來很痛苦，可以先跳過，等讀完其他題目回頭再來。
調和平均的直覺：假設你的車去程用 60 公里/小時，回程用 120 公里/小時，「平均速度」是多少？
算術平均 = (60 + 120) / 2 = 90，但這是錯的。正確答案是 80——因為去程花了更多時間，低速的影響更大。
調和平均 = 2 × 60 × 120 / (60 + 120) = 14400 / 180 = 80，這才對。
F1 用同樣的邏輯：Recall 低的模型「花更多代價（漏掉更多病患）」，調和平均讓低值的影響被放大，不讓高 Precision 掩蓋低 Recall。
| 白話說法 | 公式 |
|---|---|
| 精確率（預測為正中真正為正的比例） | P = TP / (TP + FP) |
| 召回率（真正正例中被找到的比例） | R = TP / (TP + FN) |
| F1 分數（P 和 R 的調和平均） | F1 = 2PR / (P + R) |
| F1 的等價形式（以 TP/FP/FN 表示） | F1 = 2TP / (2TP + FP + FN) |
| 算術平均（錯的計算方式） | (P + R) / 2 = (0.8+0.6)/2 = 0.700 |
- TP（True Positive）
- 真陽性：模型預測「有風險」，實際真的有風險
- FP（False Positive）
- 假陽性：模型預測「有風險」，但實際無風險（誤報）
- FN（False Negative）
- 假陰性：模型預測「無風險」，但實際有風險（漏報）
- P（Precision）
- 精確率：預測為正例中，真正為正例的比例
- R（Recall）
- 召回率：所有真正正例中，被正確預測的比例
題目給定：P = 0.8，R = 0.6 F1 = 2 × P × R ÷ (P + R) = 2 × 0.8 × 0.6 ÷ (0.8 + 0.6) = 2 × 0.48 ÷ 1.4 = 0.96 ÷ 1.4 = 0.68571... ≈ 0.686（取三位小數） 錯誤計算（算術平均，選項 B 的陷阱）： 算術平均 = (0.8 + 0.6) / 2 = 0.700 ← 不是調和平均，不是 F1 驗證：F1 < 算術平均？ 0.686 < 0.700 ✓ 調和平均永遠 ≤ 算術平均
- F1 公式是什麼？為什麼不用算術平均？
- Precision = 0.9、Recall = 0.1，F1 是多少？（提示：F1 = 2 × 0.9 × 0.1 / 1.0 = 0.18）
- 調和平均為什麼總是小於或等於算術平均？
- F1 = 0.686 代表什麼直覺意義？（模型在「不誤報」和「不漏報」之間達到了約 68.6% 的綜合表現）
- 什麼情況下應該用 F2（β=2）而非 F1？
為什麼其他選項是錯的
B0.700
0.700 = (0.8 + 0.6) / 2，這是 Precision 和 Recall 的算術平均數。
F1 分數的定義是調和平均數（Harmonic Mean），不是算術平均數。調和平均的公式是 2PR/(P+R)，計算結果是 0.686，比算術平均 0.700 更低。設計成調和平均的原因：對兩個值中較低的那個更敏感，避免高 Precision 掩蓋低 Recall 的問題。
背了「F1 是 P 和 R 的平均」但沒記住是「調和平均」的人。這是最常見的計算陷阱：(0.8 + 0.6) / 2 = 0.7，感覺合理，但公式錯了。
C0.720
0.720 看起來介於 0.686 和 0.750 之間，像是某種「折中」的結果。
代入任何正確的 F1 公式都不會得到 0.720。這個選項可能是用 0.8 × 0.9 或某種非標準計算方式湊出來的干擾值，對應到沒有任何標準統計意義的計算路徑。
對公式不確定、覺得答案應該在幾個候選值中間的人。考試上應付計算題的關鍵是記住正確公式，而不是從選項反推哪個「比較合理」。
D0.750
0.750 = 0.6 / 0.8，或者也可能是某種混合計算的結果。
0.750 = 0.6 / 0.8 是 Recall / Precision 的比值，這個比值本身沒有標準的 F1 意義。代入正確公式 F1 = 2 × 0.8 × 0.6 / (0.8 + 0.6) = 0.686，不是 0.750。
把分子分母弄混，或者用 0.8 × (0.6 + 0.6) / (0.8 + ... ) 等錯誤公式計算的人。計算類題目一定要從公式出發，逐步代入，不能憑感覺選。
同個考點下次怎麼變形
Precision = 0.9、Recall = 0.5，F1 是多少？
Precision 很高但 Recall 很低，F1 應該會被 Recall 拖低。
F1 = 2 × 0.9 × 0.5 / (0.9 + 0.5) = 0.9 / 1.4 ≈ 0.643。算術平均是 0.7，F1 比算術平均低 0.057，因為 Recall = 0.5 這個低值被調和平均放大了影響。
Precision = Recall = 0.7，F1 是多少？
兩個值相等時，調和平均應該和算術平均一樣吧？
是的。F1 = 2 × 0.7 × 0.7 / (0.7 + 0.7) = 0.98 / 1.4 = 0.7。當 P = R 時，調和平均 = 算術平均 = 幾何平均，三者相等。這是唯一一種 F1 不會低於算術平均的情況（其實是相等）。
為什麼 F1 永遠 ≤ 算術平均？
是數學規律還是設計選擇？
這是數學定理：對任意兩個正數，調和平均 ≤ 幾何平均 ≤ 算術平均（HM ≤ GM ≤ AM 不等式）。等號成立的條件是兩個數相等。F1 是調和平均，因此永遠 ≤ (P+R)/2，也就是說 F1 對低值的懲罰比算術平均更嚴格，是刻意的設計選擇。
F2 分數的公式是什麼？什麼時候用？
疾病篩檢漏掉病患的代價遠大於誤報，這時候應該更重視 Recall？
Fβ = (1+β²) × P × R / (β²P + R)。F2（β=2）讓 Recall 的權重是 Precision 的 4 倍。代入：F2 = 5 × 0.8 × 0.6 / (4×0.8 + 0.6) = 2.4 / (3.2+0.6) = 2.4/3.8 ≈ 0.632。比 F1 = 0.686 更低，反映了對 Recall = 0.6 這個弱點的更強懲罰。疾病篩檢、詐欺偵測場景常用 F2。
F1 分數和 AUC-ROC 的差別是什麼？各自的適用場景是？
兩者都是分類模型的評估指標，用途有什麼不同？
F1 分數是在某個固定閾值（通常 0.5）下計算，適合需要一個明確「是/否」決策的場景。AUC-ROC 評估的是模型在所有可能閾值下的整體辨別能力（不依賴閾值選擇），適合比較不同模型的整體排序能力。類別嚴重不平衡時，AUC-ROC 可能過於樂觀，F1 或 AUC-PRC（Precision-Recall Curve 下面積）更適合。
想再往下看，這 5 個
- F1 Score（F1 分數）本題核心，Precision 和 Recall 的調和平均數，公式 2PR/(P+R)，任一指標低都會拉低 F1。
- 精確率（Precision）F1 的組成分之一，衡量預測為正例中真正為正例的比例，與 Recall 之間存在此消彼長的關係。
- 召回率（Recall）F1 的另一組成分，衡量所有真實正例中被模型正確找到的比例，本題中 Recall = 0.6 拉低了 F1。
- ROC 曲線（Receiver Operating Characteristic）和 F1 並列的分類評估工具，評估所有閾值下的整體辨別力，適合比較多個模型的排序能力。
- ROC 曲線下面積（AUC）ROC 曲線的量化指標，0.5 代表隨機猜測，1.0 代表完美分類，常與 F1 搭配評估不同場景下的模型效能。