什麼是 F1 分數？
F1 分數是一個將精確率（Precision）與召回率（Recall）整合成單一數值的指標，因此廣泛用於評估機器學習、資訊檢索與統計領域中的分類模型。它是精確率與召回率的調和平均數，所以會偏好兩者兼顧的模型，而不是只在單一面向表現突出的模型。
如何使用本計算器
請從你的混淆矩陣（Confusion Matrix）中輸入三個數值：真陽性（TP，正確預測為正類的數量）、偽陽性（FP，本為負類卻被誤判為正類的數量），以及偽陰性（FN，本為正類卻被漏掉的數量）。計算器會立即回傳精確率、召回率與最終的 F1 分數。
公式詳解
精確率 = ((TP) ÷ (TP + FP))，衡量在所有被預測為正類的樣本中，有多少是真正正確的。召回率 = ((TP) ÷ (TP + FN))，衡量在所有實際為正類的樣本中，有多少被成功找出。F1 分數則為
F_1 = ((2 · (精確率 · 召回率)) ÷ (精確率 + 召回率))
由於它是調和平均數，只要精確率或召回率任一方偏低，F1 分數就會被大幅拉低。
實例演算
假設 TP = 70、FP = 30、FN = 10。精確率 = ((70) ÷ (100)) = 0.70；召回率 = ((70) ÷ (80)) = 0.875。
F_1 = ((2 · (0.70 · 0.875)) ÷ (0.70 + 0.875)) = ((2 · 0.6125) ÷ (1.575)) ≈ 0.7778
約等於 77.78%。
使用注意事項與精準校對原則（6 大核心守則）
📐 1. 嚴格對齊輸入量綱與單位
輸入各項數值時請務必確認量綱（例如小時、天數、金額、百分比），避免單位不匹配引發推算偏差。
🔒 2. 純前端本機毫秒級隱私保障
所有計算邏輯 100% 在您的終端瀏覽器內完成，資料絕不上傳伺服器，嚴格守護商業與個人隱私。
📊 3. 符合公認學術與產業計算模型
演算法嚴格遵循國際通用數學公式與標準計算模型，經多重情境交叉核對，數值嚴密精確。
📋 4. 一鍵複製與免登入 PDF 匯出
支援一鍵複製推算結果字串至剪貼簿，亦可直接點擊列印按鈕輸出純淨 PDF 工作報表。
🔄 5. 多情景敏感度動態對比
建議針對極端值與多組預期情景分別試算，觀察輸出數據的波動區間，輔助做出更穩健的決策。
🛡️ 6. 專業諮詢與日常參考免責聲明
本工具運算結果供日常排程、學業研習與事前參考之用，如涉及重大法規或投資決策請諮詢持證專家。
常見問題 (FAQ)
什麼時候該用 F1 而不是準確率（Accuracy）？
當類別分布不平衡時，F1 更為適用；因為當某一類別佔絕大多數時，準確率可能會虛高而具誤導性。
多少的 F1 分數才算好？
F1 的範圍是 0 到 1，越接近 1 越好。「好」的標準會因任務而異，但一般而言，數值高於 0.8 通常被視為相當不錯的表現。
為什麼要用調和平均數？
相較於簡單的算術平均，調和平均數會對精確率與召回率之間的極端落差施加更重的懲罰，確保兩者都必須維持在合理的水準。