Tensorflow tf.contrib.metrics.streaming_auc的预测是否均匀分布？

报告提到以下内容：

为了获得最佳结果，预测应大致分布 在[0,1]范围内均匀分布，且在0或1附近未达到峰值。这个 如果情况并非如此，AUC近似值的质量可能很差

我有点困惑，因为我觉得一个常见的范例是将

预测与目标1-hot编码进行比较：

logits = tf.contrib.layers.fully_connected(
    last_fully_connected_layer,
    num_outputs=2,
    activation_fn=None)
loss = tf.losses.softmax_cross_entropy(target, logits)

# I believe this yields a 3-vector with all 0s but a 1 at 1 single position.
predictions = tf.argmax(logits, 1)

在这些情况下，
预测
张量包含所有0或1

在这些情况下，我们是否应该避免使用
tf.contrib.metrics.streaming\u auc
？我不确定在什么情况下我们会使用
tf.contrib.metrics.streaming\u auc
。
实际上。。。预测值在[0,1]范围内意味着什么？为什么分类器会在预测之间做出选择？实际上。。。预测值在[0,1]范围内意味着什么？为什么分类器会在预测之间做出选择？