Wzory na recall i F-score są następujące:
Recall (Czułość) = TP / (TP + FN)
F-score = 2 * Precision * Recall / (Precision + Recall)
lub
F-score = (1 + β^2) * Precision * Recall / (β^2 * Precision + Recall)
gdzie:
TP to liczba prawdziwie pozytywnych przykładów (przykłady, które zostały sklasyfikowane jako pozytywne i są rzeczywiście pozytywne)
FN to liczba fałszywie negatywnych przykładów (przykłady, które zostały sklasyfikowane jako negatywne, ale są rzeczywiście pozytywne)
Precision to precyzja modelu (liczba prawdziwie pozytywnych przykładów / liczba przykładów sklasyfikowanych jako pozytywne)
Recall to czułość modelu (liczba prawdziwie pozytywnych przykładów / liczba rzeczywiście pozytywnych przykładów)
β to parametr, który określa wagę, jaką przyznaje się precyzji w stosunku do czułości.