machine-learning - Tensorflow 对 'positive_threshold_0.500000_mean' 意味着什么？

Tensorflow 的 evaluate function 吐出一堆统计数据:

accuracy: 0.915224
accuracy/baseline_target_mean: 0.220896
accuracy/threshold_0.500000_mean: 0.915224
auc: 0.937926
global_step: 200
labels/actual_target_mean: 0.220896
labels/prediction_mean: 0.203677
loss: 0.247065
precision/positive_threshold_0.500000_mean: 0.991379
recall/positive_threshold_0.500000_mean: 0.621622

baseline_target_mean(在准确率之后)和 positive_threshold_0.500000_mean(在召回率和精度之后)是什么意思？

最佳答案

既然你得到了这些统计数据，我假设你正在做一个二元分类。
baseline_target_mean 是你的数据中类标签的平均值，即在这个例子中，假设你有类标签 0 和 1，大约 22% 的测试示例属于类 1，其余示例属于类 0。类标签可以是任意数字，因此解释取决于您的数据，我所描述的只是一种可能性，因为我不知道您正在使用的数据。
positive_threshold_0.500000_mean 仅意味着预测高于 0.5 阈值的示例被视为正示例，而低于 0.5 的示例则为负示例

关于machine-learning - Tensorflow 对 'positive_threshold_0.500000_mean' 意味着什么？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/39713694/