由于现在有两个指标：查准率和召回率，如果有一个算法的查准率是0.5，召回率是0.4；另一个算法的查准率是0.02，召回率是1.0。那么两个算法到底哪个好呢？
为了解决这个问题，我们引入了F1Score的概念：
其中P是查准率（Precision），R是召回率（Recall）。这样就可以用一个数值直接判断哪个算法性能更好。极端情况下，如果查准率或召回率有一个为0，那么F1Score将会为0。而理想情况下，查准率和召回率都为1，在算出来的F1Score为1。一般而言，一个好的模型既要有较高的查准率P，同时也要有较高的召回率R，只有这样F1Score的值才能更大。
在scikit-learn里，计算F1Score的函数是sklearn.metrics.f1_score()。
