F1 分数：评估不均衡数据集中二分类模型的有效指标

实验数据可能存在分布不均衡的情况，这意味着不同类别的样本数量差异较大。在这种情况下，仅使用传统的准确率 (Accuracy) 来评估算法的性能可能不够准确。

为了更全面地评估二分类模型的性能，可以使用 F1 分数。F1 分数是一个综合考虑了模型的精确率和召回率的指标。精确率 (P) 定义为模型预测为高排放的样本中真正高排放样本的比例，而召回率 (R) 定义为在真正高排放样本中被模型正确检测出来的比例。

F1 分数可以看作是精确率和召回率的调和平均数。它能更准确地反映模型在少数类（即高排放源）上的识别效果。通过使用 F1 分数来评估模型性能，可以更好地衡量模型在不均衡数据集上的表现。