Wzór dla F-score jest następujący:
F-score = (1 + β^2) * precision * recall / ((β^2 * precision) + recall)
lub
F-score = (1 + β^2) * TP / ((1 + β^2) * TP + β^2 * FN + FP)
gdzie:
precision to dokładność (miara, która określa, jak dobrze model rozróżnia pomiędzy danymi, które należą do klasy, a danymi, które nie należą do klasy)
recall to czułość (miara, która określa, jak dobrze model rozróżnia pomiędzy danymi, które należą do klasy, a danymi, które nie należą do klasy)
TP to liczba prawidłowo sklasyfikowanych danych
FN to liczba danych, które zostały nieprawidłowo sklasyfikowane jako dane klasy B
FP to liczba danych, które zostały nieprawidłowo sklasyfikowane jako dane klasy A
Warto zauważyć, że β to parametr, który określa wagę, jaką przyznajemy czułości w porównaniu z dokładnością. Wartości β = 2 i β = 0,5 są powszechnie używane.