Suponha que um modelo de classificação binária foi treinado para
distinguir e-mails de spam de e-mails legítimos. O modelo foi
testado em um conjunto de dados de teste com 200 e-mails, sendo
100 e-mails de spam e 100 e-mails legítimos.
A matriz de confusão é dada por 80 verdadeiros positivos,
85 verdadeiros negativos, 15 falsos positivos (erro tipo 1) e 20
falsos negativos (erro tipo 2).
Nessas condições, o F1-Score do modelo deve ser
aproximadamente igual a