ما هي درجة F1؟
درجة F1 هي مقياس واحد يجمع بين الدقة (Precision) والاستدعاء (Recall) في رقم واحد، مما يجعلها وسيلة شائعة لتقييم نماذج التصنيف في تعلّم الآلة واسترجاع المعلومات والإحصاء. وهي المتوسط التوافقي (Harmonic Mean) للدقة والاستدعاء، لذا فهي تكافئ المصنّفات التي توازن بين الاثنين بدلًا من التفوّق في أحدهما فقط.
كيفية استخدام هذه الحاسبة
أدخل ثلاثة أرقام من مصفوفة الالتباس (Confusion Matrix) الخاصة بك: الإيجابيات الصحيحة (TP، الحالات الإيجابية التي تم التنبؤ بها بشكل صحيح)، والإيجابيات الكاذبة (FP، الحالات السلبية التي تم تصنيفها خطأً على أنها إيجابية)، والسلبيات الكاذبة (FN، الحالات الإيجابية التي فاتت المصنّف). تعرض الحاسبة فورًا قيم الدقة والاستدعاء ودرجة F1 الناتجة.
شرح المعادلة
الدقة \(= \text{TP} / (\text{TP} + \text{FP})\) وتقيس كم عدد التنبؤات الإيجابية التي كانت صحيحة. الاستدعاء \(= \text{TP} / (\text{TP} + \text{FN})\) ويقيس كم عدد الحالات الإيجابية الفعلية التي تم العثور عليها. ثم تُحسب درجة F1 بالصيغة
$$F_1 = 2 \cdot \frac{\text{Precision} \cdot \text{Recall}}{\text{Precision} + \text{Recall}}$$ولأنها متوسط توافقي، فإن أي قيمة منخفضة في الدقة أو الاستدعاء تخفض درجة F1 بشكل حاد.
مثال محلول
لنفترض أن \(\text{TP} = 70\) و\(\text{FP} = 30\) و\(\text{FN} = 10\). عندئذ تكون الدقة \(= 70 / 100 = 0.70\)، والاستدعاء \(= 70 / 80 = 0.875\). ومن ثَمّ
$$F_1 = 2 \cdot \frac{0.70 \cdot 0.875}{0.70 + 0.875} = 2 \cdot \frac{0.6125}{1.575} \approx 0.7778$$أي نحو 77.78%.
الأسئلة الشائعة
متى أستخدم F1 بدلًا من الدقة الكلية (Accuracy)؟ يُفضَّل استخدام F1 عندما تكون الفئات غير متوازنة، لأن الدقة الكلية قد تبدو مرتفعة بشكل مُضلِّل عندما تهيمن إحدى الفئات على البيانات.
ما هي درجة F1 الجيدة؟ تتراوح درجة F1 بين 0 و1، وكلما اقتربت من 1 كان ذلك أفضل. أما ما يُعدّ «جيدًا» فيعتمد على طبيعة المهمة، لكن القيم التي تتجاوز 0.8 غالبًا ما تُعتبر قوية.
لماذا هو متوسط توافقي؟ يعاقب المتوسط التوافقي على التفاوت الكبير بين الدقة والاستدعاء أكثر مما يفعل المتوسط الحسابي البسيط، مما يضمن أن تكون كلتا القيمتين مرتفعتين بشكل معقول.
