F1 Score
- Criado por
- Renato Passos, Eng. de Software
- Revisado por
- Renato Passos, Eng. de Software
Última atualização: 18 de abr. de 2026
Sobre esta calculadora
A calculadora de F1 Score é uma ferramenta útil para avaliar a precisão de modelos de classificação em machine learning. Ela calcula a média ponderada da precisão e do recall, considerando tanto a quantidade de amostras certas quanto as falsas positivas e negativas.
A fórmula subjacente é simples: 2 * (precision * recall) / (precision + recall). Essa métrica é especialmente útil em problemas de classificação com classes desbalanceadas, onde a classificação de amostras negativas é mais crítica.
Aqui você pode calcular a F1 Score de um modelo de classificação, seja em um conjunto de teste ou em um conjunto de dados de produção. Além disso, nossa calculadora fornece informações sobre como usar a F1 Score de forma apropriada em diferentes contextos.
Lembre-se de que a F1 Score não é uma medida absoluta de desempenho, mas sim uma ferramenta para comparar modelos entre si. Por isso, é importante considerar outros fatores, como a curva de precisão-revelação e a análise de contribuição de cada característica.
Perguntas frequentes
O que é a F1 Score?
A F1 Score é uma medida de precisão de classificação que considera tanto a precisão quanto o recall em problemas de classificação.
Quando devo usar a F1 Score?
Use a F1 Score em problemas de classificação com classes desbalanceadas, onde a classificação de amostras negativas é mais crítica.
O que é o recall?
O recall é a porcentagem de amostras reais que são corretamente classificadas.
O que é a precisão?
A precisão é a porcentagem de amostras classificadas como corretas que realmente são corretas.
Como posso comparar F1 Scores de modelos diferentes?
Compare os F1 Scores de modelos diferentes considerando a curva de precisão-revelação e a análise de contribuição de cada característica.