Was ist Accuracy (Genauigkeit) & F-Score

Definition

Accuracy (Genauigkeit) und F-Score (oft als F1-Score bezeichnet) sind statistische Kennzahlen zur Bewertung der Leistungs- und Vorhersagequalität von Machine-Learning-Modellen bei Klassifikationsaufgaben.

Erklärung

Die Accuracy gibt das Verhältnis der korrekt vorhergesagten Fälle zur Gesamtzahl der untersuchten Fälle an. Allerdings kann diese Metrik bei ungleich verteilten Datensätzen (Klassen-Imbalance) irreführend sein; wenn beispielsweise 99 % der Leads nicht konvertieren, erreicht ein naives Modell, das immer „keine Konvertierung“ vorhersagt, eine Accuracy von 99 %, ist aber wertlos. Der F-Score löst dieses Problem, indem er das harmonische Mittel aus Precision (Präzision) und Recall (Sensitivität) berechnet und somit sowohl falsch-positive als auch falsch-negative Vorhersagen gewichtet. In B2B- und SaaS-Kontexten wie der automatischen Lead-Qualifizierung, Churn-Prediction oder Spam-Erkennung ist der F-Score meist die zuverlässigere Metrik zur Modelloptimierung. Ein ausgeglichener F-Score stellt sicher, dass das System in der Praxis stabil funktioniert und geschäftskritische Prozesse fehlerfrei automatisiert werden können.