Ist F1 micro gleich wie Accuracy?

Question

Ich habe viele Beispiele mit F1 Mikro und Genauigkeit in scikit-lernen versucht und in allen von ihnen sehe ich, dass F1 Mikro ist das gleiche wie Genauigkeit. Ist das immer wahr?

Script

from sklearn import svm 
from sklearn import metrics 
from sklearn.cross_validation import train_test_split 
from sklearn.datasets import load_iris 
from sklearn.metrics import f1_score, accuracy_score 

# prepare dataset 
iris = load_iris() 
X = iris.data[:, :2] 
y = iris.target 
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2) 

# svm classification 
clf = svm.SVC(kernel='rbf', gamma=0.7, C = 1.0).fit(X_train, y_train) 
y_predicted = clf.predict(X_test) 

# performance 
print "Classification report for %s" % clf 
print metrics.classification_report(y_test, y_predicted) 

print("F1 micro: %1.4f\n" % f1_score(y_test, y_predicted, average='micro')) 
print("F1 macro: %1.4f\n" % f1_score(y_test, y_predicted, average='macro')) 
print("F1 weighted: %1.4f\n" % f1_score(y_test, y_predicted, average='weighted')) 
print("Accuracy: %1.4f" % (accuracy_score(y_test, y_predicted))) 

Ausgabe

Classification report for SVC(C=1.0, cache_size=200, class_weight=None, coef0=0.0, 
    decision_function_shape=None, degree=3, gamma=0.7, kernel='rbf', 
    max_iter=-1, probability=False, random_state=None, shrinking=True, 
    tol=0.001, verbose=False) 
      precision recall f1-score support 

      0  1.00  0.90  0.95  10 
      1  0.50  0.88  0.64   8 
      2  0.86  0.50  0.63  12 

avg/total  0.81  0.73  0.74  30 

F1 micro: 0.7333 

F1 macro: 0.7384 

F1 weighted: 0.7381 

Accuracy: 0.7333 

F1 micro = Genauigkeit

Answer 1

In Klassifikationsaufgaben, für die jeder Testfall gewährleistet ist genau einer Klasse zugeordnet werden, Mikro- F entspricht der Genauigkeit. Dies wird bei der Multi-Label-Klassifizierung nicht der Fall sein.