El F1-score calcula la media armónica entre precisión y recall, penalizando fuertemente los casos donde una de las dos métricas es muy baja, incluso si la otra es muy alta. Un modelo con precisión perfecta pero recall casi nulo obtendrá un F1-score bajo, reflejando que en la práctica es poco útil.
Cuándo se prefiere sobre mirar cada métrica por separado
Es especialmente útil quiere comparar y ordenar distintos modelos con un solo número, cuando no hay una razón clara para priorizar mucho más la precisión que el recall, o viceversa, en el problema específico que se está resolviendo.