对于F1 score的几个选项，我们逐一分析其正确性：

- **A: F1 score是基于召回率和精确率来进行判断的**
- **正确**。F1 Score是精确率（Precision）和召回率（Recall）的调和平均数，用于评估二分类模型的性能。计算公式为：
\[
F1 = 2 \times \frac{\text{Precision} \times \text{Recall}}{\text{Precision} + \text{Recall}}
\]

- **B: F1 score是基于真正率（召回率）和假正率来进行判断的**
- **错误**。F1 Score不涉及假正率（False Positive Rate）。假正率通常用于ROC曲线和AUC等指标。

- **C: F1 score不可以用于多分类问题的评价**
- **错误**。F1 Score可以扩展用于多分类问题，通常通过宏平均（macro-average）或微平均（micro-average）等方法进行整合来衡量多分类任务的性能。

- **D: F1 score的取值范围是-1到1**
- **错误**。F1 Score的取值范围是从0到1。1表示精确率和召回率都完美，0表示性能最差。

综上所述，只有选项 **A** 是正确的。