Что такое F1-score и когда он лучше accuracy?

Проверяет основы машинного обучения и оценку моделей.

Варианты ответа

• F1 всегда равен accuracy для бинарной классификации — это доказано математически, когда классы сбалансированы: TP = TN и FP = FN, формулы сводятся к одному значению
• F1-score применяется исключительно для мультиклассовых задач с более чем двумя классами (macro-F1, micro-F1); для бинарной задачи достаточно accuracy или AUC
• F1 = 2 × Precision × Recall / (Precision + Recall) — гармоническое среднее двух метрик. Лучше accuracy при дисбалансе классов, когда важны и precision, и recall одновременно
• F1 — это среднее арифметическое precision и recall: F1 = (Precision + Recall) / 2, упрощённая версия без сложных математических трансформаций для быстрой оценки

Как разобрать этот вопрос на собеседовании

Определи тип задачи (регрессия/классификация), как ты разобьёшь данные и какой метрикой будешь мерить качество с учётом дисбаланса классов. Ценят понимание переобучения, утечки данных и того, почему выбрана именно эта метрика, а не accuracy по умолчанию.

На собеседовании по такому вопросу важно не только назвать ответ, но и кратко объяснить, почему он верный.

Тема вопроса — «ML». Чтобы подготовиться к похожим задачам, отрабатывай их на практике: раздел практики помогает довести навык до автоматизма, а раздел вопросов — увидеть формулировки, которые реально встречаются на интервью аналитика данных.

Разбор ответа

Получить доступ к ответам — все вопросы →

Что дальше

• Раздел практики →
• Все 3000+ вопросов с разбором →

Похожие вопросы из категории «ML»

• Модель показывает ROC-AUC 0.94 на сильно несбалансированном датасете (фрод, 0.5% позитивов), но в проде precision при разумном recall катастрофически низкий. Почему ROC-AUC вводит в заблуждение и что смотреть вместо неё?
• Вы прогнозируете отток. В пайплайне: StandardScaler фитится на всём датасете, затем train_test_split, затем обучение. На кросс-валидации метрики отличные, в проде — провал. Где основная ошибка?
• Объясни bias-variance trade-off не на определении, а на практике: как по кривым обучения (learning curves) отличить high bias от high variance и что делать в каждом случае?
• Senior спрашивает: чем L1-регуляризация принципиально отличается от L2 в задаче с 500 коррелированными признаками, и что выбрать, если нужна интерпретируемая разреженная модель?
• У тебя временной ряд транзакций, нужно валидировать модель прогноза. Почему обычный KFold/shuffle-split здесь — грубая ошибка, и как устроена правильная кросс-валидация?
• Модель в проде деградирует за 3 месяца, хотя код не менялся. Объясни разницу между data drift, concept drift и label shift и как мониторить каждый без свежих лейблов.
• Бизнес говорит: «нам важно не пропустить ни одного мошенника». Аналитик двигает порог классификатора. Что произойдёт с метриками и какой компромисс описан верно?
• При target encoding категориального признака (средний таргет по категории) модель показывает CV-AUC 0.92, в проде 0.71. Объясни механизм утечки и как кодировать правильно.

Полезные блог-статьи по теме

• ROC-AUC vs PR-AUC: какую метрику выбрать
• Логистическая регрессия простыми словами для аналитика
• Кластеризация k-means в Python для аналитика
• Градиентный бустинг для аналитика: как это работает