如果我们没有假阳性和假阴性的先验成本函数，我们经常使用最大化F1 分数的分类阈值。

这平衡了对精确度和召回率的要求。如果其中一个为 0，则 F1 分数为 0；如果我们有一个完美的分类，那么 F1 分数就是 1。

另一方面，我很难找到一个总体上最大化 F1 的科学理由，或者是我们需要最大化 F1 的业务问题。

F1 不对称。如果我们有一个 60/40 的二元分布并选择 40% 的类作为正类，并且我们将所有内容归类为正类，那么对于 0.4 的 F1 分数，我们将获得 100% 的召回率和 40% 的准确率。（如果我们将所有内容归类为负面，则 F1=0）。如果我们选择 60% 的类别为正面，并将所有内容分类为正面，我们得到的 F1 分数为 0.6。

为什么不使用互信息，从而最大限度地减少预测与实际的意外？

当我们通过最小化对数损失来估计概率时，我们也在最小化信息论意义上的KL 散度或熵或惊喜。如果 50/50 概率预测包含 1 位熵或意外，则最小化对数损失可以最小化我们的预测与实际中的熵或意外位数。

而在信息论中，如果我们没有概率并且想要测量噪声信号传递的信息，我们使用互信息。

并且互信息是对称的，0代表全1或0的信号。在某种意义上预测所有的 1 或 0 不会提供有关响应变量的基本事实的信息。

在某种程度上，预测就像一个从现在到未来的嘈杂通道，而像互信息这样的信息论概念似乎是选择分类阈值的有根据的标准，而 F1 似乎是任意的。

有什么理由为什么 F1 比互信息更受欢迎？