Fメジャーが分類タスクに推奨されるのはなぜですか？

Gメジャー（またはFowlkes–Mallowsインデックス）が（教師なし）クラスタータスクに一般的に使用されるのに対し、Fメジャーは通常（教師付き）分類タスクに使用されるのはなぜですか？

Fメジャーは、精度と再現率の調和平均です。

Gメジャー（またはFowlkes–Mallowsインデックス）は、精度と再現率の幾何平均です。

以下は、異なる平均のプロットです。

$= 2\cdot\frac{precision\cdot recall}{precision + recall}$

$= \sqrt{precision\cdot recall}$

$= \frac{precision + recall}{2}$

私が尋ねる理由は、BLEUとROUGEを測定したNLGタスクで使用する平均を決定する必要があるためです（ここでBLEUは精度とROUGEはリコールに相当します）。これらのスコアの平均をどのように計算すればよいですか？

データセットの不均衡の問題に対処するため、Fスコアは単純な分類精度よりも優先されます。探しているものがめったに発生しない場合でも、単純な分類子は常にノーと答えて、非常にうまく機能しているように見えます。FıのバリアントはFßです。

Fß=（1 +ß²）×[（P×R）÷（（ß²×P）+ R）]

精度と再現率のバランスをとるためにßを変更します。なぜFまたはGについては、それは経験的であると私は信じています。自分のアプリケーションで分類またはクラスター化しているのかどうかはわかりませんか？

精度と再現率が似ている場合、F1は異なるモデルを比較するための優れた単一の指標です。

短くて甘い:)