Tensorflow 如何理解张力板auc_精度_召回曲线？ 版本：

TensorFlow:1.6.0

TensorBoard:1.6.0

我正在做和熟悉的事情：

使用预先制作的

估计器

训练具有

大偏斜数据集

（即不平衡数据集）的二元分类模型

因此，我必须使用

精确召回

曲线来选择最佳模型，而不是

AUC

曲线

我没有对

tf.estimator.DNNClassifier

（当然，我更改了这三个参数：

hidden\u units

，

feature\u columns

，

model\u dir

）

在模型精度达到阈值并停止优化后，我必须继续这样的训练：从所有特征中反复挑选一个特征并进行训练，以便尽可能去除一些噪声特征

我按照

步骤4

，每次我选择一个功能，我都会得到一个新的训练结果和一张关于TensorBoard的

auc\u precision\u recall

曲线的新图片。 也就是说，当我选择了

特征A

我得到了

图A

，选择了

特征B

我得到了

图B

，选择了

特征C

我得到了

图C

图片如下：
,

关于上述曲线图的说明：

• x

  轴：指示训练步骤

• y

  轴：范围从0到1（这就是我想知道的：y是什么意思？）

下面是一个标准的

精确召回曲线（我把它粘贴在这里只是为了方便我们讨论我的问题）。

关于上述标准

精确召回曲线的说明：

x
轴：调用，范围从0到1
y
轴：精度，范围从0到1

我的问题：

张力板

auc\u精度\u召回
曲线中
y
轴中的值的含义是什么

TensorBoard

auc\u precision\u recall

曲线和标准

precision recall

曲线之间的关系是什么

为什么张力板的

y

轴

auc\u precision\u recall

曲线中的值如此奇怪？

• 在

  图A

  中，第一点是

  （x，y）=（1，0.5009）

  ，为什么

  y

  即使在

  第一步中也是
  0.5009
  ？还有为什么大多数其他值也保持在0.5（从
  图A
  我们可以很容易地了解到这一点）

• 同样在

  图B

  中，第一点是

  （x，y）=（7，0.4625）

  ，为什么该

  y

  （0.4625）值即使在图C所示的前几个训练步骤中也不等于接近0的值

---

我得到了答案：这是tensorflow 1.6.0版中的一个错误，它是由计算

AUC\u PR

值的错误方法（梯形）引起的，该错误已在最新版本1.8.0中修复。因此，如果您正在训练一个很大程度上扭曲的数据集，请记住将tensorflow更新到最新版本1.8.0。

以回答问题1和2。AUC指曲线下的面积。因此，您看到的是精确召回（PR）曲线下的区域。y轴提供该区域，该区域介于0和1之间，因为这些是PR曲线上可实现的最小和最大区域