Qual é a pontuação da F2 na aprendizagem mecânica?

Deixe-nos imaginar que agora consideramos a recordação duas vezes mais importante do que a precisão no nosso modelo. Consideramos uma rede neural convolucional no domínio médico, que avalia mamografias e detecta tumores. Consideramos muito pior perder um tumor do que dar um falso alarme a um tumor inexistente.
Utilizando os mesmos números do último exemplo, imaginemos que executamos o modelo em dez mamografias. O modelo detecta um tumor em seis das mamografias e dá a claridade a quatro mamografias. Mais tarde descobrimos que das seis mamografias detectadas, uma era um falso alarme, ou seja, um falso positivo. Das quatro mamografias claras, duas realmente continham um tumor e eram falsamente negativas. Os números tp, fp, tn e fn são os mesmos do último exemplo e, portanto, também a precisão e a recordação. Como estamos pesando a recordação tão importante quanto a precisão, devemos usar a fórmula para o F2-score. Definindo β = 2, obtemos: Uma vez que ponderamos mais a recordação, e o modelo tem uma boa precisão mas uma recordação fraca, o nosso F-score desceu de 0,77 para 0,74 em comparação com o exemplo do colhedor de maçãs, onde a precisão e a recordação foram igualmente ponderadas. Isto mostra como o F2-score pode ser usado quando o custo de um falso positivo não é o mesmo que o custo de um falso negativo. Este é um cenário comum quando se usa IA para cuidados de saúde.