F-beta 分数的计算公式如下：
但是，根据一些消息来源，如果我想对 Precision 添加更多的重点，我应该使用beta < 1，并且作为补充，如果我想对 Precision 添加比 Recall更少的重点，我应该使用beta > 1。这在某种程度上似乎与我的目的相反；当我实际上想在计算中为 Precision 分配更多权重时，为什么要降低分母中的 beta？
*奖励问题：无论哪种方式，答案都是针对上述问题，如果我想为 Precision 和 Recall 分配不同的权重，是否有任何特定的公式来定义 beta？也许与假阴性和假阳性的成本差异成正比？或者只是简单地使用 beta=0.5 和 beta=2 作为经验法则？
通过设置至我们实际上得到了“精确度”，这是因为召回乘数相互抵消，我们只剩下精确度。通过使用较低的我们不会以任何方式降低精度的权重，我们会提高权重，因为我们允许它通过分子支配分数的最终值。
如果我们已经知道 FP/FP 的成本，我们可以直接使用它们。它本身反映了我们在召回和精确度之间的权衡; 因此的值和仅仅反映我们假设：“我们对 Precision 的重视是 Recall 的两倍”（对于）或“我们对召回率的重视程度是精度的两倍”（对于）。显然，如果我们同等重视它们我们得到了我们的标准分数。
Sasaki (2007) F-measure 的真相以一种正式的方式很好地呈现了这个讨论，它坚定地基于 van Rijsbergen 1979 年关于信息检索的原始工作。